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，三个技术指标同时金叉。该选股策略综合考虑了价格波动、资金流向和多个技术指标的买入信号，能够筛选出市场活跃度高、趋势向上、具有投资价值的股票，但相应也存在风险。
选股逻辑分析
该选股逻辑综合考虑了多个技术指标的买入信号，可以更准确的把握股票趋势性，筛选出有价值的股票。同时，该选股逻辑重视大单资金的流入和流出情况，具有较高的参考价值。
有何风险？
该选股逻辑只考虑了价格波动、资金流向和技术指标等部分因素，未充分考虑公司基本面、行业发展和市场整体情况等复杂因素，选股精度可能会受到影响。同时，在市场风险较大时，选出的股票也可能面临下跌风险。
如何优化？
可以加入更多的技术指标和行业因素等多个角度考量，对股票的细节和潜在机会进行更全面、更精细的分析，提高选股的精度和可靠性。同时也应重视长期投资，以更深入、更全面和更长远的视野进行投资分析。
最终的选股逻辑
选股条件为：振幅大于1，大单净量排行，三个技术指标同时金叉，并综合考虑公司基本面、行业发展和市场整体情况等多方面因素综合评估股票的价值和风险。
同花顺指标公式代码参考
MA5 = MA(CLOSE, 5);
MA10 = MA(CLOSE, 10);
MA20 = MA(CLOSE, 20);
CROSS1 = CROSS(MA5, MA10);
CROSS2 = CROSS(MA10, MA20);
CROSS3 = CROSS(MA5, MA20);
SELECT1 = (HIGH-LOW)/REF(CLOSE, 1)>0.01;
SELECT2 = GET_DRBQ(CODE, NAME, LAST, LASTVOL) >=0.8;
SELECT3 = CROSS1 AND CROSS2 AND CROSS3;
SELECT = SELECT1 AND SELECT2 AND SELECT3;
SORT_BY='换手率'
SORT_ASCEND=True
Python代码参考
import pandas as pd
import numpy as np
import tushare as ts
def get_selected_stocks():
ts.set_token('your token')
pro = ts.pro_api()
# 获取股票数据
stock_data = pro.daily(ts_code='000001.SZ', start_date='20220201', end_date='20220308')
stock_list = []
# 进行选股
for idx, row in stock_data.iterrows():
# 按条件筛选：振幅大于1，大单净量排行，三个技术指标同时金叉
if not ((row['high'] - row['low']) / stock_data[stock_data.index == idx-1].iloc[0]['close'] > 0.01) or \
get_drbd(row['ts_code'], row['name'], row['close'], row['vol']) < 0.8 or \
not ma_cross(stock_data.loc[:idx]):
continue
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
selected_data['change_rate'] = 100 * (row['close'] - row['pre_close']) / row['pre_close']
selected_data['pct_chg'] = row['pct_chg']
selected_data['turnover_rate'] = row['turnover_rate']
# 可添加其他指标
stock_list.append(selected_data)
# 按换手率从小到大排序
selected_stocks_sorted = sorted(stock_list, key=lambda x: x['turnover_rate'], reverse=False)
return selected_stocks_sorted
def ma(df, n):
return pd.Series(df['close']).rolling(window=n, min_periods=1).mean()
def ma_cross(df):
ma5 = ma(df, 5)
ma10 = ma(df, 10)
ma20 = ma(df, 20)
return (ma5[-1] > ma10[-1]) and (ma10[-1] > ma20[-1])
在改进后的选股策略中加入了多个技术指标组合的判断，能够更准确的把握股票趋势性，提高选股精度。同时也应该进一步加入其他因素进行分析，提高选股精度和可操作性。
## 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。
