问财量化选股策略逻辑
选股逻辑：振幅大于1，K线小于20，下午大单净流入。
选股逻辑分析
该选股逻辑同样采用了技术分析指标，选取振幅和K线以及下午大单净流入作为选股依据。振幅大于1代表波动性较强，K线小于20代表股票处于较低的价格水平，而下午大单净流入则代表市场对该股票的关注度和认可度正在提升。该策略既有考虑短期走势和波动性，又有考虑市场热度和资金流向，可以更全面地了解市场情况和个股变化。
有何风险？
该选股策略存在可能漏选小市值、低流动性的股票以及新股上市初期等等，限制了选股的广度。同时，过于强调短期走势和资金流向，低估了长期投资价值和公司基本面数据。还需综合考评个股的长期表现和公司基本面数据，并结合市场宏观情况和政策变化等因素进行综合判断和选择。
如何优化？
可以加入潜在股票的财务数据、业绩增长、市场份额等指标，结合技术分析指标和资金流向进行选股。同时，可以加入PE、PB、PEG、ROE、EPS等因素来提高对企业质量和价值的判断。还可以配合行业研究和宏观经济分析等进行股票的选择和管理。
最终的选股逻辑
改进后的选股逻辑如下：
- 振幅大于1；
- K线小于20；
- 下午大单净流入；
- 加入潜在股票的财务数据、业绩增长、市场份额等指标；
- 配合行业研究和宏观经济分析等进行股票的选择和管理。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
SELECTOR1 := ((HIGH - LOW) / C) > 0.01;
SELECTOR2 := C < 20;
SELECTOR3 := PM < 0 AND ABS(NLARGE(ZJLX, 1)) > ABS(NLARGE(ZJLX, 2));
RESULT := SELECTOR1 AND SELECTOR2 AND SELECTOR3;
其中，C代表收盘价，PM代表时间，ZJLX代表资金流向。
Python代码参考
以下是Python实现该选股策略的选股逻辑：
# 计算指标
amplitude = (high - low) / close.shift(1)
selector1 = amplitude > 0.01
selector2 = close < 20
pm = df['pm'].apply(lambda x: x[-2:])
selector3 = pm == '15'
selector4 = df['zjlx'].rolling(window=2).apply(lambda x: x[0] < 0 and abs(x[0]) > abs(x[1]))
selected_stocks = selector1 & selector2 & selector3 & selector4
# 综合选择
selected_stocks = pd.DataFrame({'code': code, 'selected': selected_stocks})
selected_stocks = selected_stocks[selected_stocks['selected']]
selected_stocks.drop('selected', axis=1, inplace=True)
return selected_stocks['code'].tolist()
通过计算指标，综合选择符合条件的个股进行投资，同时可以根据实际情况和投资风格进行相应的优化和改进。
## 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。
