问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%,剔除北京A股的基础上，选择连续3天以上大单净量大于0.05的股票进行投资。
选股逻辑分析
该选股逻辑重视大单交易对股票价格的影响，选择连续3天以上大单净量大于0.05的股票进行投资。大单交易在股票市场中具有较高的影响力，长期来看，这类个股短期波动性相对较小，潜在收益相对较高。
有何风险？
该选股逻辑的风险包括：1. 连续3天以上大单净量大于0.05并不代表股票价格会上涨，可能会存在市场情绪因素的影响；2. 忽略了其他技术面指标的因素，例如涨跌幅、成交量等，可能会选到不稳定的股票。
如何优化？
-
结合其他技术面指标
可以结合其他技术面指标，例如均线、成交量等，辅助筛选具有潜在上涨趋势、不稳定性较小的个股。 -
动态更新选股时间和股票信息
可以根据市场行情，动态设置选股时间和股票信息，比如更新大单交易的时间区间、大单净量的阈值等方面的信息，实现更精准地选股。
最终的选股逻辑
在换手率3%-12%,剔除北京A股的基础上，选择连续3天以上大单净量大于0.05的股票进行投资。
同花顺指标公式代码参考
选股逻辑中需要用到连续3天以上的大单净量，通达信指标为：LNetVolume3 > 0.05 。其中，LNetVolume3 表示大单净量的三日累计值。
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
trade_cal = pro.trade_cal(exchange='', start_date='20210201', end_date='20210228', fields='cal_date,is_open')
trade_date_start = trade_cal[trade_cal.is_open == 1].iloc[-5].cal_date
trade_date_end = trade_cal[trade_cal.is_open == 1].iloc[-1].cal_date
ts_codes = list(pro.stock_basic(exchange='', list_status='L', fields='ts_code').ts_code)
big_trades = []
for ts_code in ts_codes:
big_trade = pro.moneyflow(ts_code=ts_code, start_date=trade_date_start, end_date=trade_date_end, fields='buy_sm_vol,sell_sm_vol,net_mf_vol')
if len(big_trade) > 3 and (big_trade.net_mf_vol > 0).rolling(window=3).sum().iloc[-1] >= 3 and (big_trade.net_mf_vol.rolling(window=3).sum().iloc[-1] > 0.05):
big_trades.append([ts_code, big_trade.net_mf_vol.rolling(window=3).sum().iloc[-1]])
good_stocks = pd.DataFrame(big_trades, columns=['ts_code', 'net_mf_vol'])
return good_stocks
good_stocks = get_good_stocks()
print(good_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。
