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、未清偿可转债简称不可为空的股票。
选股逻辑分析
本选股策略在技术面加入了振幅、大单净量等指标，同时结合了可转债的基本面进行筛选。未清偿可转债简称不可为空的条件确保了该公司已经发行了可转债，同时具有较高的市场关注度。
有何风险？
本选择策略同样存在主观性和时间性，同时可能忽略了其他重要的技术面和基本面指标。另外，可转债的发行额和市场表现也可能不是股票投资的最佳指标。
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，可以重新审视选股条件的定义和限制，缩小选股范围，加大选股数量。还可以通过机器学习的方法，优化选股策略的准确度和稳定性。
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、未清偿可转债简称不可为空的股票。
同花顺指标公式代码参考
未清偿可转债简称不可为空，无法提供通达信指标公式。
Python代码参考
import pandas as pd
# 读取股票数据
df = pd.read_csv('stock_data.csv')
bond_df = pd.read_csv('bond_data.csv') # 可转债数据
# 选出可转债简称不为空的数据
bond_df = bond_df[bond_df['SHORT_NAME'].notna()]
# 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：可转债简称不为空
df = df.merge(bond_df[['CODE', 'SHORT_NAME']], on='CODE', how='inner')
# 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。
