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，股票均价站在五日均线之上的股票。
选股逻辑分析
本选股策略基于技术指标，同时融合了基本面因素，选取了相对强势且有增长性的股票。振幅大于1和大单净量大于0.05可以筛选出涨势较强的股票，而均价站在五日均线之上可以保证股票的相对稳定性。
有何风险？
本选股策略的风险在于选股条件过于宽松，选出的股票数量可能过多，未能充分考虑企业的基本面因素和宏观情况对股票走势的影响，存在较大的风险。
如何优化？
可考虑加入财务数据、行业热度等更多指标作为筛选条件，同时引入定性分析和宏观前景分析等方法，以提高选股策略的准确性和稳定性。
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，股票均价站在五日均线之上的股票。
同花顺指标公式代码参考
- 振幅大于1：
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 - 连续3天以上大单净量大于0.05：
VOL_NVI > 0.05 AND COUNT(VOL_NVI > 0.05, 3) = 3 - 股票均价站在五日均线之上：
CLOSE > MA(CLOSE, 5)
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：股票均价站在五日均线之上
df['MA5'] = df['CLOSE'].rolling(5).mean()
df = df[df['CLOSE'] > df['MA5']]
# 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。
