问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、大单净量排行。此选股逻辑拟通过价格波动、市场人气和资金流向等因素，筛选出具有较高投资价值的股票。
选股逻辑分析
该选股逻辑主要聚焦于选取涨势较强、受到资金青睐的股票。振幅大于1意味着价格波动较大，近一个月有过涨停意味着市场人气较高，大单净量排行则说明资金流向相对稳定。
有何风险？
该选股逻辑可能存在以下风险：
-
忽略了公司基本面和行业因素，不能对股票的长期发展进行全面考虑。
-
过度依赖市场情绪和资金流向等短期因素，难以对股票的长期价值进行较为准确的判断。
-
大单净量排行不能反映全部机构投资者的动向，存在一定的盲区。
-
受到过度追捧的热门股票风险较大，存在暴涨暴跌的风险。
如何优化？
以下是针对该选股逻辑的优化方法：
-
综合利用公司基本面、行业发展动态等因素作为选股依据，更全面、更准确地定位个股潜力。
-
配合技术指标进行筛选，深度挖掘股票潜力，增加选股的准确性。
-
利用量化模型对股票整理历史数据进行分析，实现更为准确的选股依据。
最终权益选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、大单净量排名前100名。此选股策略在原选股基础上，加入了大单资金流入的筛选，增加了选股的可靠性。
同花顺指标公式代码参考
- 振幅：(高点 - 低点) / REF(收盘价, 1)
- 大单净量：MA(VOL, 5)*(BIGM - BIGS) / (BIGS + BIGM)
python代码参考
from gm.api import *
set_token("your_token_here")
# 设置回测起点和终点
start_date = "2020-01-01"
end_date = "2022-01-01"
# 获取深证主板所有股票
symbols_all = get_symbols(exchanges=["SZSE"], sec_types=["STOCK"], names=["A股"], list_status=["L"])
# 设置选股条件
amplitude_cond = {"$gt": 1}
limit_up_cond = {"$gte": 1}
big_volume_cond = {"big_money_net_pct_rank": {"$lte": 100}}
# 构建排序条件
sort_cond = [("hot_rank", 1)]
# 构建选股查询条件
cond = {"$and": [amplitude_cond, limit_up_cond, big_volume_cond]}
# 获取符合条件的股票历史信息
data = query_history(
symbol=symbols_all,
start_date=start_date,
end_date=end_date,
fields=["symbol", "hot_rank", "close"],
filter=cond,
data_type=2,
sort=sort_cond
)
# 选取前100名
data = data[:100]
# 获取符合条件的股票代码
symbols_selected = [s["symbol"] for s in data]
print(symbols_selected)
通过 Query API 查询股票历史信息，并根据选股条件筛选出符合条件的股票代码，并按个股热度排序。代码可以在量化平台和本地 Python 环境中执行。
## 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。
