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，且将股票的涨跌幅乘以超大单净量后得到的值作为一个重要指标，筛选出该指标前5%的股票选购。
选股逻辑分析
本选股策略在技术面加入了振幅、ST、涨停战法等指标，同时加入了交易量及买卖盘情况，属于技术面和基本面相结合。认为在技术面的基础上，加入量价因素更能反映个股的市场活跃度。
有何风险？
选股策略过度依赖个股的市场活跃性，忽视了公司的财务及经营情况，存在一定程度的风险。同时，市场交易量、买卖盘等因素的影响存在一定的时效性，在市场变化较快的情况下该指标可能存在延迟。
如何优化？
可以加入更多的因素进行分析，例如行业趋势、市盈率、市净率等。同时，对于选股策略需要进行实证研究和长期跟踪，以保证其有效性。
最终的选股逻辑
本选股策略完善的逻辑为：振幅大于1、非ST、五部涨停战法，且将股票的涨跌幅乘以超大单净量后得到的值作为一个指标，筛选出该指标前5%的股票选购。
同花顺指标公式代码参考
无
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']]
# 加入量价因素
df['RATIO'] = (df['CLOSE'] - df['PREV_CLOSE']) / df['PREV_CLOSE'] * df['NET_RATIO']
# 筛选条件4：选取前5%的个股
df = df.nlargest(int(len(df)*0.05), 'RATIO')
# 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。
