问财量化选股策略逻辑
本选股策略选取符合以下条件的股票：振幅大于1,周线MA5金叉MA10,竞价主力净买大于0。通过综合考虑技术面和主力资金流向，筛选出优秀的股票。
选股逻辑分析
本选股策略增加了竞价主力净买大于0的条件，强调了资金面的重要性。选取竞价主力净买大于0的股票，可以较好地反映市场资金流向。
有何风险？
该选股策略仍忽略了公司基本面和行业趋势等因素，可能会造成买入质量的下降。而且过度关注资金面，容易受到市场风险和交易量的影响。
如何优化？
为了解除单一指标的局限性，本选股策略可以在综合考虑技术面和资金面的同时，加入公司基本面和行业趋势等因素，并结合系统性的量化分析方法得到更好的结果。
最终的选股逻辑
本选股策略选取符合以下条件的股票：
- 振幅大于1；
- 周线MA5金叉MA10；
- 竞价主力净买大于0。
在满足以上条件的情况下，筛选出具备长期投资价值、综合能力较强的股票。
同花顺指标公式代码参考
以下是本选股策略的通达信指标代码：
C1: V > 1
C2: MA(CLOSE,5) > REF(MA(CLOSE,10),1) AND MA(CLOSE,5) < REF(MA(CLOSE,10),1)
C3: JM1 > 0
C4: C1 AND C2 AND C3
C5: COUNTC(C4, 1) > 0
SELECTC(C5, C, 1)
其中，C1和C2分别代表振幅和MA均线的条件， C3代表竞价主力净买的条件。C4为这三个条件的组合， COUNTC函数计算符合条件的股票数量，最后SELECTC选出符合条件的股票进行操作。
python代码参考
import tushare as ts
# 判断当日是否符合条件
def check_today(code):
k_data = ts.get_hist_data(code)
if k_data is None or 'ST' in k_data.name.values[0] or '退' in k_data.name.values[0]:
return False
v = k_data.iloc[-1]['volume']
ma5 = k_data['close'].rolling(5).mean()[-1]
ma10 = k_data['close'].rolling(10).mean()[-1]
jj_in = k_data.iloc[-1]['b1_p'] * k_data.iloc[-1]['b1_v']
jj_out = k_data.iloc[-1]['a1_p'] * k_data.iloc[-1]['a1_v']
jm = jj_in - jj_out
return v > 1 and ma5 > ma10 and jm > 0
# 按市值排序并选取符合条件的股票
def select_stock():
results = []
all_stocks = ts.get_stock_basics()
for code in all_stocks.index:
if check_today(code):
results.append(code)
selected_data = all_stocks.loc[results]
return selected_data.sort_values(by='circulating_market_cap', ascending=False).index.tolist()
print(select_stock())
以上代码仅供参考，具体实现应根据实际情况进行调整。其中，使用了 tushare 库获取股票数据， check_today 和 select_stock 分别用于筛选符合条件的股票和按市值排序。值得注意的是，通达信指标中的竞价主力净买指标在python中需要自己进行计算，并且需要分别计算竞价买入和卖出。
## 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。
