问财量化选股策略逻辑
本选股策略选择振幅大于1，连续3天以上大单净量大于0.05，前日实际换手率>3～28的股票。
选股逻辑分析
本选股策略将技术指标和基本面指标结合，选取了相对中长线趋势良好、短期表现强劲、高换手的股票。
有何风险？
本选股策略的风险在于选股条件可能过于宽松，选出的股票数量较多，而且未涵盖企业的基本面因素对股票走势的影响，存在较大的风险。
如何优化？
可以通过加入行业、财务、板块、宏观等更多因素来优化选股策略、提高选股精度和稳定性。
最终的选股逻辑
本选股策略筛选逻辑为：振幅大于1，连续3天以上大单净量大于0.05，前日实际换手率在3%至28%之间的股票。
同花顺指标公式代码参考
- 振幅大于1，可使用
A = MAX(HIGH - LOW, ABS(HIGH - REF(CLOSE, 1)), ABS(LOW - REF(CLOSE, 1))); C = REF(CLOSE, 1); abs(HIGH - C) > A * 1 AND abs(LOW - C) > A * 1进行筛选。 - 连续3天以上大单净量大于0.05，可使用
VOL_NVI > 0.05 AND COUNT(VOL_NVI > 0.05, 3) = 3进行筛选。 - 前日实际换手率在3%至28%之间，使用
(VOL / CAPITAL) > 0.03 AND (VOL / CAPITAL) < 0.28 AND REF((VOL / CAPITAL), 1) < 0.28进行筛选。
Python代码参考
import pandas as pd
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于1
df['A'] = df.apply(lambda row: max(row['HIGH'] - row['LOW'], abs(row['HIGH'] - row['PREV_CLOSE']), abs(row['LOW'] - row['PREV_CLOSE'])), axis=1)
df = df[(abs(df['HIGH'] - df['PREV_CLOSE']) > df['A']) & (abs(df['LOW'] - df['PREV_CLOSE']) > df['A'])]
# 筛选条件2：连续3天以上大单净量大于0.05
df['VOL_NVI'] = (df['NET_VOLUME'] / df['VOLUME']).rolling(3).sum()
df = df[df['VOL_NVI'] > 0.05]
# 筛选条件3：前日实际换手率在3%至28%之间
df['CAPITAL'] = df['CLOSE'] * df['TOTAL_SHARES']
df['VOL_CAPITAL'] = df['VOLUME'] / df['CAPITAL']
df = df[(df['VOL_CAPITAL'] > 0.03) & (df['VOL_CAPITAL'] < 0.28) & (df['VOL_CAPITAL'].shift(1) < 0.28)]
# 加入更多的过滤条件
df = df[df['EPS'] > 0]
df = df[df['ROE'] > 10]
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
