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、现量大于1万手且股价高开的股票。
选股逻辑分析
本选股策略在技术面加入了股价高开的条件，同时结合了振幅、大单净量和现量等指标，综合反映股票市场的热度和资金流向，同时也与股票的基本面进行了结合。
有何风险？
本选择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，对于股价高开的定义也相对模糊，具有一定主观性。而且，选股条件过多，可能会选择出的股票数量较少。
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、现量大于1万手且当日开盘价高于前一日收盘价的股票。
同花顺指标公式代码参考
HIGH > REF(CLOSE,1)
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：现量大于1万手
df = df[df['VOLUME'] > 10000]
# 筛选条件4：开盘价高于前一日收盘价
df['COND'] = df['HIGH'] > df['PREV_CLOSE']
df = df[df['COND']]
# 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。
