问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,下午大单净流入。
选股逻辑分析
该选股策略选用了振幅指标、反包指标以及大单净流入指标来选择具有投资价值的股票。其中，振幅指标用于筛选波动较大的股票，反包指标用于筛选出具有反转信号的股票，大单净流入指标用于筛选出大资金的操作情况，加强选股的可靠度。
有何风险？
该选股策略的风险在于，大单净流入指标容易受到市场的影响，出现“进退”现象，造成误判。同时，反包指标的信号比较短期，若用于长期选股，存在信号过滤不完全的风险。
如何优化？
可以加入其他技术指标，如 MA 均线、成交量等，综合考虑技术面和基本面的因素，提高选股的准确性和稳定性。同时，可以设置大单净流入指标的阈值，避免市场影响因素的干扰，提高筛选的有效性。
最终的选股逻辑
基于以上分析，提出下面完善后的选择逻辑：
- 振幅大于1；
- 反包出现；
- 当日下午大单净流入。
同花顺指标公式代码参考
以下是该选股策略的指标公式代码：
F01:HIGH / LOW - 1 > 0.01; //振幅大于1
F02:NOT(SIGN(CLOSE-REF(CLOSE, 1)) == SIGN(REF(CLOSE, 1) - REF(CLOSE, 2))); //反包
F03:SUM(IF(CLOSE>OPEN,VOLUME,0),PM)/SUM(IF(CLOSE<OPEN,VOLUME,0),PM) > 3; //当日下午大单净流入
FILTER:F01 AND F02 AND F03 > 0;
SYMBOL_SORT("CLOSE*VOLUME*CAPITALIZATION/10000", SORT_DESCEND);
SELECT(IF(1, 1, 0),"诊股"); // 输出文本信息：选股
python代码参考
以下是 Python 实现该策略的选股逻辑：
def stock_filter(dv, symbol):
# 获取数据，计算指标
high = dv.get_ts("high", symbol=symbol)
low = dv.get_ts("low", symbol=symbol)
close = dv.get_ts("close", symbol=symbol)
volume = dv.get_ts("volume", symbol=symbol)
date_idx = pd.to_datetime(high.index).date
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
pm = (pd.to_datetime(high.index).hour == 13)
big_net_flow_afternoon = (close - open).iloc[-1] * volume.iloc[-1] / 10000 > 30000
selected_stocks = amplitude & reverse_pattern & big_net_flow_afternoon
return selected_stocks.index.tolist()
选股逻辑中，我们用 Python 的 pandas 库和 TA-Lib 库计算指标，筛选出符合条件的股票列表，以得到我们需要选择的股票列表。
## 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。
