问财量化选股策略逻辑
选股逻辑为振幅大于1，20日均线大于120日均线，大单净量排行的股票。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略基于以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 20日均线大于120日均线，说明该股票处于上涨趋势；
- 大单净量排行，可能说明该股票受到机构资金的关注和追捧。
有何风险？
以下是该选股策略可能产生的风险：
- 忽略公司基本面和市场趋势，可能导致无法获得较高的投资回报率；
- 大单净量排行并不代表股票即将上涨，可能会带来较大的亏损；
- 不能代表所有股票都适用该策略，需要注意股票本身的特点。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 加入公司基本面和市场趋势等因素进行综合考量，以获取更全面的信息；
- 对股票的价格波动做出更加合适的入市时机；
- 参考业内专家的分析和建议，尽可能了解股票的市场现状。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，20日均线大于120日均线，大单净量排行的股票；
- 加入公司基本面和市场趋势等因素进行综合考量，以获取更全面的信息；
- 对股票的价格波动做出更加合适的入市时机；
- 参考业内专家的分析和建议，尽可能了解股票的市场现状，以获取更全面的信息。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，20日均线大于120日均线，大单净量排行的股票 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND MA(CLOSE,20) > MA(CLOSE,120)
AND "股票名称" = "xxxx" AND "市场类型" IN ('沪A', '深A')
AND "累计净额大单排名" >= 1 AND "累计净额大单排名" <= 50
LIMIT 10
注：以上代码需要在同花顺的选股界面中进行填充，其中MA、REF、VOLUME、OPEN、CLOSE、"累计净额大单排名"、股票名称、市场类型为同花顺自带的技术指标，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取行情数据和股票基本信息 ####
rs_data = bs.query_history_k_data_plus("sh.000001", "code,open,high,low,close,volume",
start_date= (datetime.now() - timedelta(days=120)).strftime('%Y-%m-%d'),
end_date= datetime.now().strftime('%Y-%m-%d'),
frequency="d", adjustflag="3")
rs_basic_info = bs.query_stock_basic()
#### 筛选出符合条件的股票 ####
data = rs_data.get_data()
data = data[data['code'].isin(rs_basic_info[(rs_basic_info['marketType']=='沪A')|(rs_basic_info['marketType']=='深A')]['code'].tolist())] # 市场板块选择沪A和深A的股票
data = data[data['close'] > data['close'].rolling(20).mean()] # 20日均线大于收盘价
data = data[data['close'] > data['close'].rolling(120).mean()] # 120日均线大于收盘价
data = data[data['volume'] > 0] # 排除成交量为0的情况
data['netVolume'] = (data['close'] - data['open']) / data['open'] * data['volume'] / 10000 # 计算每日的净量
data = data.sort_values('netVolume', ascending=False).reset_index(drop=True) # 按净量从大到小排序
data = data[data.index < 50] # 大单净量排行前50名
data = data[data['high'] - data['low'] > data['close']*0.01] # 振幅大于1%
data.reset_index(drop=True, inplace=True)
selected_stock = list(data['code'].unique())
#### 登出系统 ####
bs.logout()
return selected_stock
注：以上python代码需要安装baostock、pandas等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
