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，按个股热度从大到小排序的股票。
选股逻辑分析
本选股策略在原来的基础上加入按热度排序的条件来寻找市场关注度较高的个股。同时，振幅和大单净量仍然是技术面和资金面的重要指标，在综合考虑之后可以挑选出具备较好投资潜力的股票。
有何风险？
本选股策略的风险与之前相同，即单一基本面指标无法全面反映公司的内在价值和基本面，个股的技术面和资金面状态也随时可能发生变化，需要及时调整选股策略。另外，按热度排序会存在过度追涨的风险，需要合理设置风险控制措施。
如何优化？
可以加入更多的基本面指标，比如净利润增长率、营收增长率和现金流等，以及综合考虑股票的估值、盈利能力和成长性等多个方面。同时，加入技术面指标来筛选趋势较强的个股，并将个股热度与基本面和技术面指标相结合，形成完整的选股体系。
最终的选股逻辑
本选股策略的筛选逻辑为：振幅大于1，连续3天以上大单净量大于0.05，按个股热度从大到小排序的股票。
同花顺指标公式代码参考
C > MA(C,10) AND MA(C,10)/MA(C,30)>1.1 AND REF(RELATION(C, VOL), 1) >= 0.8 AND C < C.REF * 1.03 AND COUNT(C>MA(C,5),30)>=25 AND ((H-L)/(C-REF(C,1)) >= 0.6 OR (H-L)/(OPEN-REF(C,1)) >= 0.6) AND RANK(C, -VOL/C) < 20
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]
# 按个股热度从大到小排序
df = df.sort_values(by=['RANK'], ascending=False)
# 加入更多的过滤条件
df = df[df['EPS'] > 0]
df = df[df['ROE'] > 10]
# 输出选股数据
print(df)
## 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。
