问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MA5金叉MA10且连续3天以上大单净量大于0.05的股票。在技术面的基础上，加入了资金面的分析，筛选具有资金流入的潜力股票。
选股逻辑分析
振幅大于1和周线MA5金叉MA10的选股条件是技术面指标，可以筛选出技术面良好的股票。连续3天以上大单净量大于0.05则参考了资金面的因素，认为资金的入场可能会带来更好的收益。综合使用这三个条件可以筛选出技术面好且资金面看好的股票。
有何风险？
在筛选过程中，选股因子过多可能会导致选股的准确性下降。同时，振幅大的股票有可能存在相应的风险，需要慎重选择。此外，如果大单净量是突发性的，可能不具备太好的持续性和稳定性。
如何优化？
可以引入其他技术面和资金面的指标，结合具体市场环境来筛选股票。针对资金面因素，可以参考更多的资金相关信息，如大宗交易等。同时，可以考虑结合基本面分析来提高选股的准确性。
最终的选股逻辑
本选股逻辑的选股策略是振幅大于1、周线MA5金叉MA10且连续3天以上大单净量大于0.05的股票。在实际使用中，可以根据自己的实际情况，调整和优化具体细节，以适应市场的变化。
同花顺指标公式代码参考
- 振幅公式：
- Amplitude = (HIGH - LOW) / PRE_CLOSE
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- 大单净量：
- NetVolumeBig = (BUY_VOLUME_LARGE - SELL_VOLUME_LARGE) / TOTAL_SHARES
- 连续3天以上大单净量大于0.05：
- NetVolumeBig > 0.05 and NetVolumeBig.shift(1) > 0.05 and NetVolumeBig.shift(2) > 0.05
python代码参考
import tushare as ts
PRO = ts.pro_api('your_token')
def select_stocks(n):
selected_stocks = []
for code in PRO.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv,pe,pb,area')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.daily(ts_code=code, start_date='20180101', end_date='20220525', fields='ts_code,trade_date,open,high,low,close,amount,pre_close')
if len(df) == 0:
continue
amplitude = (df['high'] - df['low']) / df['pre_close']
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
net_volume_big = PRO.moneyflow(ts_code=code, start_date='20210101', end_date='20220525')['net_mf_vol'].iloc[-3:].sum() / PRO.share_float(ts_code=code)['float_share']
condition = (amplitude > 0.01) & (ma5 > ma10) & (net_volume_big > 0.05) & (net_volume_big.shift(1) > 0.05) & (net_volume_big.shift(2) > 0.05)
if condition:
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。
