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，（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2的股票。
选股逻辑分析
本选股策略基于技术分析和市场表现，继承了前一个选股策略中的振幅和大单净量的筛选逻辑，并新增了昨日换手率和竞价成交量与昨日成交量的比例作为筛选条件，通过这些指标的结合，确定入选股票。
有何风险？
本选股策略的风险在于，技术指标的表现可能受到市场环境的影响，长周期的指标可能会因为市场改变而失去稳定性，同时只凭技术指标和市场表现而没有考虑其他宏观基本面因素，选股结果可能过程简单粗暴，与公司实际价值不符。
如何优化？
可以加入更多的技术指标、市场表现因素或基本面因素作为参考，通过多角度的定量选股模型，优化筛选方法以提高稳定性和准确性。另外，还可以考虑加入实时数据对选股条件进行动态调整。
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，（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2的股票。
同花顺指标公式代码参考
REF(C,1)/CV>0 AND REF(C,1)/CV<2 AND ABS(HIGH-LOW)/REF(C,1)>0.01 AND NETCHANGE()>0 AND SUM(NETVOLUME,3)>0.05*SUM(VOL,3);
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：(昨日换手率*（今日竞价成交量/昨日成交量）)大于0.5且小于2
df['TURN_RATIO']= df['VOLUME'] / df['PRE_VOLUME']
df['BIDDING_VOL'] = df['VOLUME'] * df['BID']
df['RATIO'] = df['TURN_RATIO'] * df['BIDDING_VOL'] / df['PRE_VOLUME']
df = df[(df['RATIO'] > 0.5) & (df['RATIO'] < 2)]
# 加入更多的过滤条件
df = df[df['EPS'] > 0]
df = df[df['ROE'] > 10]
# 输出选股数据
print(df)
## 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。
