问财量化选股策略逻辑
选股逻辑为：振幅大于1，竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万，换手率在2%和9%之间的股票。该选股策略主要关注股票价格和成交量的波动情况以及股票的成交活跃程度。
选股逻辑分析
该选股逻辑主要利用振幅、竞价时涨跌幅买入大单和特大单共计买入量这些技术面指标来筛选股票，并且考虑了股票的换手率，过大或过小的换手率都容易导致流动性问题，而在2%到9%之间的股票流动性较为合理。该选股逻辑通过筛选这些指标，选出可能有较大的投资机会的股票。
有何风险？
该选股策略主要存在以下风险：
-
过于依赖技术面指标的选股策略，可能会忽视基本面因素，导致选股结果不可靠。
-
受到技术面指标不确定性和股价波动带来的干扰，选股结果可能存在误判或者不可控的情况。
-
股票的流动性在不同时期、不同市场、不同行业都可能出现波动和变化，过于简单地用固定的换手率来筛选可能会忽略流动性的变化。
如何优化？
为了优化该选股策略，可以考虑以下措施：
-
在技术面指标的基础上，加入必要的基本面指标，综合考虑选股结果的可靠性和投资价值。
-
考虑不同周期、不同市场和不同行业的换手率，对不同情况下的合理流动性范围进行调整，增加选股结果的可靠程度。
-
加强回测和历史数据分析，优化选股策略，增加测试结果的可靠性。
最终的选股逻辑
选股逻辑为：振幅大于1，竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万，换手率在2%和9%之间的股票。该选股策略主要关注股票价格和成交量的波动情况以及股票的成交活跃程度。
同花顺指标公式代码参考
A > 1 AND ABS(B1 / B2 - 1) > 0.03 AND ABS(C4) > 7000000 AND D5 < 9 AND D5 > 2
其中，A表示振幅，B1/B2表示竞价时涨跌幅的绝对值，C4表示特大单共计买入量，D5表示换手率。其他参数参考前述选股逻辑和分析。
python代码参考
from gm.api import *
set_token("your_token_here")
symbol = "SZSE.000001" # 股票代码
start_date = "2018-01-01" # 回测开始日期
end_date = "2022-01-01" # 回测结束日期
# 获取历史股票信息
stocks = get_history_instruments(type=InstrumentType.Stock, market=Market.SZSE, max_count=10000)
# 获取股票历史信息，包括分红信息
bars = history(symbol=symbol, frequency="1d", start_time=start_date, end_time=end_date, fields="open, close, high, low, amount, total_bought_large_orders, turnover_rate", df=True)
# 计算股票是否符合条件
selected = (abs(bars.high / bars.low - 1) > 0.01) & (abs(bars.bid_volume1 / bars.ask_volume1 - 1) > 0.03) & (abs(bars.total_bought_large_orders) > 70000000) & (bars.turnover_rate < 0.09) & (bars.turnover_rate > 0.02)
# 选出符合条件的股票
selected_bars = bars.loc[selected]
# 打印选中的股票代码
print(selected_bars.index.values)
其中，其他变量含义同前述的选股逻辑和分析。
## 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。
