问财量化选股策略逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、外盘/内盘比大于1.3，选择外盘成交量大于内盘成交量的股票作为选股对象。该选股策略综合考虑股票的波动性和市场情况，旨在挖掘有潜力的个股，做短线投资。
选股逻辑分析
该选股逻辑在振幅和9点25分涨幅的限制基础上，加入了外盘和内盘成交量的考量，通过外盘/内盘比和外盘成交量的大小逐步筛选优质股票。该逻辑能较好地反映资金的流入和流出情况，为资金实时监测和短线投资提供有效的参考。
有何风险？
该选股策略仍然存在较大的风险，主要表现在对市场情况的适应性不足，可能在市场变动时失去优势，同时过多依赖指标的运算结果，相对准确性较低。由于外盘/内盘比和外盘成交量等指标本身具有局限性，也可能导致选股的误判和风险。
如何优化？
对于该选股策略，需要深入分析市场情况和股票基本面，引入更多因子进行选股，以增加选股的准确性和可靠性。同时，需要对指标的选择和运算方法进行调整和优化，提高指标的精确度和实用性，避免误判和风险。
最终的选股逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、外盘/内盘比大于1.3，选择外盘成交量大于内盘成交量的股票作为选股对象。该选股策略注重股票的波动性和成交情况等综合指标的考量，综合财务和市场法则，寻找有短期投资价值的个股。
同花顺指标公式代码参考
FZ_RANGE > 1 AND LAST/LAST[1]-1<=0.06 AND EBP > 1.3 AND WP_VOL > WP_VOL[1] AND WP_VOL > MP_VOL
其中FZ_RANGE表示振幅的大小，LAST表示当天的收盘价，LAST[1]表示前一天的收盘价，EBP表示外盘/内盘比，WP_VOL表示外盘成交量，MP_VOL表示内盘成交量。通过以上指标查找符合条件的股票。
Python代码参考
import tushare as ts
from datetime import datetime, timedelta
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry').values.tolist():
# 振幅大于1
k_data = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=30)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,high,low')
highest_price = k_data['high'][0]
lowest_price = k_data['low'][0]
for idx, k in k_data.iterrows():
if idx > 5:
break
if k['high'] >= highest_price:
highest_price = k['high']
if k['low'] <= lowest_price:
lowest_price = k['low']
if highest_price / lowest_price <= 1:
continue
# 9点25分涨幅小于6%
tick_data = pro.tick(ts_code=ts_code[0], date=datetime.now().strftime('%Y%m%d'))
current_price = tick_data[tick_data['time'] == '09:25:00']['price'].values[0]
pre_close = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=6)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close', freq='1D').iloc[1]['close']
if current_price / pre_close >= 1.06:
continue
# 外盘/内盘比大于1.3
k_data = pro.daily(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=6)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close')
vol_data = pro.moneyflow(ts_code=ts_code[0], start_date=(datetime.now()-timedelta(days=6)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,p.buy_l_volume,p.sell_l_volume')
if len(k_data) == 0 or len(vol_data) == 0:
continue
select_data = k_data.merge(vol_data, on='trade_date')
select_data['ebp'] = select_data['buy_l_volume'] / select_data['sell_l_volume']
if select_data[select_data['ebp'] <= 1.3].empty:
continue
# 外盘成交量大于内盘成交量
wp_vol = select_data['buy_l_volume'].sum()
mp_vol = select_data['sell_l_volume'].sum()
if wp_vol < mp_vol:
continue
# 判断是否为主板股票
if ts_code[1] != '主板':
continue
selected_stocks.append(ts_code[0])
return selected_stocks
在Python代码中，同样使用tushare库获取股票数据，进而筛选符合条件的股票。通过振幅、涨幅和外盘/内盘比等综合指标来判断个股的波动性和成交情况，并逐步筛选储备有短期投资价值的股票。
## 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。
