问财量化选股策略逻辑
选股逻辑为：选择换手率在3%~12%之间、买一量大于卖一量，并且连续3天以上大单净量大于0.05的股票。
选股逻辑分析
该选股策略通过综合考虑了股票的经济活跃度、市场需求和大单资金流入情况，选出具有潜力的股票。
有何风险？
该选股逻辑忽略了基本面数据的影响，而大单流入和股票价格涨跌不一定有直接关系。同时，股票的大单资金流动具有一定的不确定性，可能会导致选股不准确。
如何优化？
可以利用技术分析和基本面分析相结合，来筛选出更具有投资机会的个股。同时，可以考虑引入机器学习等人工智能的方法进行选股，以提高选股的准确率。
最终的选股逻辑
在众多股票中选择换手率在3%~15%之间、买一量大于卖一量，并且连续3天以上大单净量大于0.05的个股。
同花顺指标公式代码参考
SELECT SYMBOL FROM
(SELECT SYMBOL, TURNOVERRATE, BUY1VOLUME, SELL1VOLUME FROM STOCK_INFO
-- 选择换手率在3%~15%之间
WHERE TURNOVERRATE > 3 AND TURNOVERRATE < 15
-- 选择买一量大于卖一量
AND BUY1VOLUME > SELL1VOLUME
AND SYMBOL IN
(SELECT SYMBOL FROM FUNDS_FLOW
-- 连续3天以上大单资金净流入大于0.05
WHERE NINE_AVG > 0.05 AND EIGHT_AVG > 0.05 AND SEVEN_AVG > 0.05))
-- 选取前5的股票
WHERE ROWNUM <= 5;
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂带大量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220422')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 查询大单资金流向
moneyflow_df = pro.moneyflow(ts_code='', trade_date='20220422', fields='ts_code,big_inflow_rate')
moneyflow_df['big_inflow_rate'] = moneyflow_df['big_inflow_rate'] / 100
moneyflow_df['big_inflow_rate_3d'] = moneyflow_df['big_inflow_rate'].rolling(window=3).mean()
df1 = pd.merge(df1, moneyflow_df[['ts_code', 'big_inflow_rate_3d']], on='ts_code', how='inner')
df1 = df1[df1['big_inflow_rate_3d'] > 0.05]
# 筛选出换手率在3%~15%之间的股票
basic_df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,area,industry,list_date')
df1 = pd.merge(df1, basic_df, on='ts_code', how='inner')
df1['turnover_rate'] = pro.daily_basic(ts_code='', trade_date='20220422')['turnover_rate']
df1 = df1[(df1['turnover_rate'] > 3) & (df1['turnover_rate'] < 15)]
# 查询股票的市值情况
daily_df = pro.daily(ts_code='', trade_date='20220422', fields='ts_code,close,total_mv')
df1 = pd.merge(df1, daily_df, on='ts_code', how='inner')
# 合并所有指标，返回选股结果
return df1['ts_code']
## 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。
