问财量化选股策略逻辑
本选股策略选择振幅大于1、非ST（上午10点之前选股票）、五部涨停战法、下午有大单净流入的股票进行选股。
选股逻辑分析
本选股策略引入了一个新的条件，即下午大单净流入。这个条件的引入可以帮助筛选出在下午有较强买入力量的个股，以获取更多的收益。
有何风险？
本选股策略存在以下风险：1）对于低流通股票和高市值股票的适用性较差；2）选股策略缺少足够的技术指标，可能误导投资者进入错误的买入点；3）对于事件驱动型投资，选股策略的适用性有限。
如何优化？
针对以上的风险，我们可通过如下方式进行优化：1）引入市场行情等条件对选股进行进一步筛选，加强策略的适用性；2）加强自身投资经验积累，更好地把握市场的行情和交易机会。
最终的选股逻辑
本选股策略的最终逻辑为：振幅大于1、非ST、五部涨停战法、下午有大单净流入的股票进行选股。
同花顺指标公式代码参考
选股条件：下午大单净流入
3*(C-O)/(H-L)<=2,10*VOL/MAX(20,DAY) >= ((C-O)-REF(C-O,1))/REF(C-O,1)*100
python代码参考
import pandas as pd
import tushare as ts
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于1
df['AMPLITUTE'] = 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[df['AMPLITUTE'] > 1]
# 筛选条件2：非ST
df = df[df['NAME'].str.upper().str.find('ST') == -1]
# 筛选条件3：五部涨停战法
df['CLOSE_MAX'] = df['CLOSE'].rolling(5).max()
df = df[df['CLOSE'] == df['CLOSE_MAX']]
# 筛选条件4：下午有大单净流入
df['NET_AMOUNT'] = df.apply(lambda row: row['AMOUNT'] * (1 if row['CLOSE'] > row['OPEN'] else -1), axis=1)
df['NET_AMOUNT_RANK'] = df['NET_AMOUNT'].rank(ascending=False)
df['VOLUME_RANK'] = df['VOLUME'].rank(ascending=False)
df = df[(df['NET_AMOUNT_RANK'] <= 100) & (df['VOLUME_RANK'] <= 100) & (df['NET_AMOUNT']/df['VOLUME'] >= 0.0333)]
# 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。
