问财量化选股策略逻辑
本选股策略以振幅大于1，周线MA5金叉MA10以及竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票为投资目标，寻找资金机构买入较多的潜力股票。
选股逻辑分析
本选股策略考虑了股票的价格波动性、均线趋势、资金流向，能够在资金流向和股票涨势之间进行权衡。
有何风险？
此选股策略缺乏长期稳定的基本面分析，同时对于资金流向过分依赖，存在较大的市场风险和个股风险。
如何优化？
可结合基本面分析进行股票筛选和优化，同时可考虑添加其他技术指标和投资策略，降低风险并提高收益。
最终的选股逻辑
本选股策略选取振幅大于1，周线MA5金叉MA10，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票为投资目标，并结合基本面分析和技术指标进行股票筛选和优化。
同花顺指标公式代码参考
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- 竞价买卖情况相关指标公式：
- 涨跌幅买入大单：买方委托价位在当前价格以上且买入股数大于100手
- 特大单：买卖单股数超过30万股
- 相关指标公式请参考同花顺财经的数据说明文档
Python代码参考
import tushare as ts
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry,market,area,pe,pb,circ_mv')['ts_code']:
df = pro.daily(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,open,high,low,close,vol,amount')
if (df.iloc[-1]['high'] - df.iloc[-1]['low']) / df.iloc[-1]['close'] > 0.01:
df_weekly = pro.weekly(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,open,high,low,close,vol,circ_mv,total_mv')
ma_list = [df_weekly['close'].rolling(n).mean().iloc[-1] for n in range(5, 11)]
if df_weekly.iloc[-1]['close'] > ma_list[-1] and ma_list.count(ma_list[-1]) >= 5:
df_bid = pro.margin_detail(ts_code=code, exchange='SZSE', start_date='', end_date='', fields='ts_code,trade_date,bs_flag,order_type,order_time,order_vol,balance')
if (df_bid[df_bid['bs_flag'] == 'B']['order_vol'] >= 100) & ((df_bid[df_bid['balance'] > 3000000]['bs_flag'] == 'B')['order_vol'].sum() / 10000 >= 700):
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
