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，且外盘/内盘大于1.3的主板股票。
选股逻辑分析
本选股策略以振幅、大单净量和外盘/内盘比作为选股依据，振幅和大单净量反映了市场情绪，外盘/内盘比则表征了资金量上的差异。通过综合考虑这三方面因素，能够筛选出市场情绪较好、流动性充足的标的。
有何风险？
本选股策略依旧存在对市场情绪变化的灵敏性，但不能够考虑更长期的基本面因素，因此不能适用于一些长期投资者。另外，外盘/内盘比这个指标容易受到外盘和内盘单独的干扰，导致噪音信号产生。
如何优化？
可以在原有筛选条件下加入其他的技术指标，如KDJ、MACD等对选股质量进行进一步提升。最好结合基本面因素，如公司业绩表现、市场前景等进行补充筛选。
最终的选股逻辑
本选股策略选股逻辑为：振幅大于1，连续3天以上大单净量大于0.05，且外盘/内盘大于1.3的主板股票。
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。 - 外盘/内盘大于1.3，可使用
(VOL_OUTSIDE / VOL_INSIDE) > 1.3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：外盘/内盘大于1.3
df = df[df['VOL_OUTSIDE'] / df['VOL_INSIDE'] > 1.3]
# 加入更多的过滤条件
df = df[df['PE'] < 30]
df = df[df['PB'] < 3]
df = df[df['MARKET_CAP'] > 5000]
## 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。
