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，竞价主力净买大于0的股票。
选股逻辑分析
本选股策略继续增加了一个短期指标，即竞价主力净买，更好地考虑了短期趋势方向，同时前两个宽松的选股条件，可选出一些相对具有投资价值的股票。
有何风险？
本选股策略仍然缺乏更为全面的基本面评估，而且竞价主力净买指标易受突发事件、恶意操纵等影响，因此存在一定的选错风险和操盘风险。
如何优化？
在股票选取后，对竞价主力买卖情况进行深入分析，并与全面的财务指标相结合，可进一步提高选股策略的稳定性。
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，竞价主力净买大于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。 - 竞价主力净买大于0，可使用
BID_WEIGHTED_VOL > ASK_WEIGHTED_VOL AND BID_VOL > ASK_VOL进行筛选。
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：竞价主力净买大于0
df = df[df['BID_WEIGHTED_VOL'] > df['ASK_WEIGHTED_VOL']]
df = df[df['BID_VOL'] > df['ASK_VOL']]
# 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。
