问财量化选股策略逻辑
选股逻辑：选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0的股票，并且根据大单净量排行进行选择。
选股逻辑分析
增加了一项新的选股条件——大单净量排行，可以从市场情绪、机构动向等方面进行筛选，更能追踪市场热点。同时，对涨跌幅和超大单净量进行乘法的计算，可以排除部分毛骨悚然的噪声数据，大大降低了选股的风险。
有何风险？
该选股策略仍然忽略了其它技术指标、基本面等因素的影响，只从换手率、涨跌幅、超大单净量、大单净量排行等方面进行选择。同时也需要考虑到随着市场的变化，这些指标的重要性可能会发生变化。
如何优化？
可以通过引入更多的技术指标和基本面因素，例如PE、PB等指标，进行综合评估股票的买卖情绪和估值水平。同时也可以对策略参数进行反复验证和参数调整等方法进行进一步优化，从而减小策略过拟合的风险。另外也可以考虑改变大单净量排行的条件选择范围来提高策略的灵活性。
最终的选股逻辑
选择换手率在3%到12%之间，涨跌幅乘以超大单净量大于0的股票，并且根据大单净量排行进行选择。
同花顺指标公式代码参考
以下是同花顺指标所需公式：
选股公式：
-- 计算涨跌幅乘以超大单净量
SuperVolume: (C*Big)/10000;
-- 计算股票大单净量排行
Rank: RANK(DailyNetAmountRatio);
-- 计算条件选股
SELECT STOCK_SYMBOL FROM (
SELECT STOCK_SYMBOL, PRICE FROM BaseDataSplit WHERE
2.5<ChangeRatioToRef(1) and ChangeRatioToRef(1)<11.5 and // 涨跌幅在2.5%到11.5%之间
SuperVolume > 0 and // 当日超大单净量大于0
VOLUME > 10000 and // 当日成交量大于1万手
TurnoverRate[1] > 3 and TurnoverRate[1] < 12 and // 昨日换手率在3%到12%之间
Rank < 30 // 大单净量排名前30
)
Python代码参考
以下是Python代码实现该选股逻辑：
import pandas as pd
from typing import List
from datetime import datetime, timedelta
import talib
def select_stock(data: pd.DataFrame, n=10) -> List[str]:
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_time', ascending=True)
net_amount_ratio = df['net_amount'].iloc[-1] / df['volume'].iloc[-1]
if (df['turnover_rate'].iloc[-2] > 3) and (df['turnover_rate'].iloc[-2] < 12) and \
(df['pct_chg'].iloc[-1] * net_amount_ratio > 0) and \
(df['volume'].iloc[-1] > 10000) and \
(talib.RANK(net_amount_ratio) < 30):
s_weight = df['turnover_rate'].mean() * df['volume'].mean() / (df['close'].iloc[-1] * 10000)
selected_stocks.append((code, s_weight))
selected_stocks.sort(key=lambda x: x[1], reverse=True)
selected_stocks = selected_stocks[:n]
return [x[0] for x in selected_stocks]
## 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。
