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，机构动向大于0的股票。
选股逻辑分析
本选股策略将技术指标和基本面指标结合，选取了相对中长线趋势良好、短期表现强劲、机构资金活跃的股票。
有何风险？
在短时间内，选股过滤条件比较宽松，可能会带来投资风险。另外，没有考虑到公司行业、财务等基本面指标的影响，存在选错的概率。此外，机构动向大于0的条件较为简单，可能存在噪音信号。
如何优化？
可以通过深入挖掘行业基本面、加强财务指标分析等方式，提高选股精度与稳定性。另外，对机构动向指标进行优化，可以考虑通过加权计算、考虑时间因素等方式，提高选股精度。
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，机构动向大于0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。 - 机构动向大于0，可使用
BIAS5 > 0进行筛选，其中 BIAS5 表示5日乖离率，公式为(CLOSE - MA(CLOSE, 5)) / MA(CLOSE, 5) * 100。
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：机构动向大于0
df['BIAS5'] = (df['CLOSE'] - df['CLOSE'].rolling(5).mean()) / df['CLOSE'].rolling(5).mean() * 100
df = df[df['BIAS5'] > 0]
# 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。
