问财量化选股策略逻辑
选股逻辑为：振幅大于1，大单净量排行，20日均线大于120日均线。该选股策略主要是技术面指标，以振幅、大单净量和均线为条件筛选符合要求的股票。
选股逻辑分析
该选股策略主要是在技术面上挑选股票，通过综合考虑振幅、大单净量和均线这些指标来分析和确定股票的买卖时机。选择振幅大于1、大单净量排行和20日均线大于120日均线这三个条件，可以找到波动大、成交活跃并具备趋势性的股票，并能够避免一些价格走势不稳定的股票。
有何风险？
该策略没有考虑除技术面以外的因素，如公司基本面、财务等，选股逻辑较为简单，可能筛选出的股票没有很强的价值，也存在风险。
如何优化？
可以结合技术面和基本面指标，多维度分析股票的基本面情况并对其进行评分，以便进一步确定买卖时机。同时，也可以根据市场整体趋势和其他宏观经济因素，适度调整选股逻辑的参数和规则。
最终的选股逻辑
选股条件为：振幅大于1，大单净量排行，20日均线大于120日均线，并结合股票的基本面综合评估其价值。
同花顺指标公式代码参考
MA120:=MA(C,120);
MA20:=MA(C,20);
SET CON1=MA20 > MA120;
SET CON2=AMOUNT>1000000000;
SET CON3=(H-L)/REF(CLOSE,1)>0.01;
SET SELECTED=CON1 AND CON2 AND CON3;
Python代码参考
import pandas as pd
import tushare as ts
def select_stocks(length):
ts.set_token('your token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.stock_basic(list_status='L', exchange='SSE', fields='ts_code,symbol,name,industry')
current_date = '20220308'
# 筛选符合条件的股票
selected_stocks = []
for index, row in stock_data.iterrows():
code = row['ts_code']
info = {}
info['code'] = code
info['name'] = row['name']
# 获取技术指标
tech_data = pro.query('daily_basic', ts_code=code, trade_date=current_date, fields='turnover_rate, amount')
if len(tech_data) > 0 and tech_data.iloc[0]['turnover_rate'] > 3 and tech_data.iloc[0]['amount'] > 10 ** 9:
# 获取股价数据
price_data = pro.daily(ts_code=code, start_date='20200101', end_date=current_date, fields='high,low,close')
# 计算均线指标
price_data['ma20'] = price_data['close'].rolling(20).mean()
price_data['ma120'] = price_data['close'].rolling(120).mean()
# 判断是否符合条件
if (price_data.iloc[-1]['ma20'] > price_data.iloc[-1]['ma120']) and ((price_data.iloc[-1]['high'] - price_data.iloc[-1]['low']) / price_data.iloc[-2]['close'] > 0.01):
selected_stocks.append(info)
if len(selected_stocks) >= length:
break
return selected_stocks
致辞
本次问答为问财量化选股策略逻辑的第二篇，主要针对不同的选股逻辑进行分析，总结选股的风险和漏洞，并给出一些改进的方案，希望对投资者选择更加合适的股票有所帮助。
## 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。
