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且收盘价在Bollinger Bands通道（中轨和上轨）之间的股票。
选股逻辑分析
本选股策略主要考虑技术面的指标，振幅和大单净量可以反映出当前股票的市场情况和资金流向，而遵循Bollinger Bands通道的股票，可以认为具有平稳的走势特点，在短期交易中具有一定参考价值。
有何风险？
本选股策略同样存在主观性和时间性，同时，根据历史数据进行过拟合，可能产生未来函数选择的问题。另外，Bollinger Bands指标并非遵循股票自身特点而设计的，不同的股票在使用该指标时可能表现出不同的情况，需要注意。
如何优化？
可以加入其他技术面和基本面指标，比如MACD、RSI、P/E等，进行更加全面的筛选。同时，可以根据不同股票的特性，添加不同的指标组合以更加准确的评估股票的表现，例如，加入相似走势股票的比较等。
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且收盘价在Bollinger Bands通道（中轨和上轨）之间的股票。
同花顺指标公式代码参考
C > MA(C,20) AND REF(RELATION(C, VOL), 1) >= 0.8 AND (C < BOLL(C,20,2) AND C > BOLL(C,20,1)) AND CODE.INDEX('SH') AND LCJZ.JZ_VAL < 20
Python代码参考
import pandas as pd
import talib
# 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：收盘价在Bollinger Bands通道（中轨和上轨）之间
df['MA20'] = talib.MA(df['CLOSE'], timeperiod=20)
df['UPPER'], _, df['LOWER'] = talib.BBANDS(df['CLOSE'], timeperiod=20, nbdevup=2, nbdevdn=2)
df = df[(df['CLOSE'] > df['LOWER']) & (df['CLOSE'] < df['UPPER'])]
# 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。
