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，周K线上穿30周线的股票。
选股逻辑分析
本选股策略综合运用了技术指标和资金流向的情绪参考，选股条件较为严格，可以筛选波动较为稳定并且处于上涨趋势中的股票。
有何风险？
本选股策略未考虑基本面因素，缺乏对公司业绩等情况的评估，同时，只考虑周线走势并存在滞后性，可能会有一定的误判。
如何优化？
可进一步引入基本面评估指标和技术指标，比如量能等，以达到更全面的选股结果。同时，可以设置止盈止损等风险控制措施，避免过度的风险暴露。
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，周K线上穿30周线的股票。
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。 - 周K线上穿30周线，可使用
CROSS(MA(CLOSE, 30), REF(MA(CLOSE, 30), 1))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：周K线上穿30周线
df['MA_30'] = df['CLOSE'].rolling(30).mean()
df = df[df['CLOSE'] > df['MA_30']]
df = df[df['PREV_CLOSE'] < df['PREV_MA_30']]
# 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。
