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、今日控盘＞21。该选股策略主要基于技术面来选股，振幅和大单净量等指标用于筛选活跃企业，今日控盘则用于判断股价上涨空间还有多少。
选股逻辑分析
选股逻辑同样基于技术面来选股，结合了振幅、大单净量和今日控盘等指标，以筛选出具有潜力的股票。振幅和大单净量等指标用于筛选活跃企业，今日控盘则用于判断股价上涨空间还有多少。这三个指标的组合可以一定程度上减少投资风险，但当市场行情不符合预期时，仍然可能存在风险。
有何风险？
该选股策略同样存在一定的风险，可能会因行情不符合预期、大单净量等指标存在滞后性、今日控盘等指标的滞后等因素而导致收益下滑。同时，由于今日控盘指标的局限性，建议投资者进行综合分析，避免仅依赖单一指标作出投资决策。
如何优化？
在策略优化上，可以尝试加入其他技术指标和基本面因素来提高选股准确率和稳定性，同时动态地调整选股条件和指标权重，以适应市场变化和个人需求。另外，加入风险控制和仓位管理等策略，避免过度交易和投入过大的风险。
最终的选股逻辑
选股条件为：振幅大于1、大单净量排行、今日控盘＞21。需要加入其他技术指标和基本面因素来提高选股准确率和稳定性，并根据市场变化和个人需求进行动态调整和优化。同时，加入风险控制和仓位管理等策略，避免过度交易和投入过大的风险。
同花顺指标公式代码参考
SELECTED = C>=AVG(C,N)*1.05 AND V>=MA(V,N)*1.5 AND C>MA(C,N*2) AND (C-LLV(C,N))/LLV(C,N)<=0.1 AND ABS(100-(LOW*100/C)) >= 21
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,list_date')
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='vol,amount,close')
if len(tech_data) > 0:
# 计算技术指标
vol_ma5 = tech_data.iloc[-5:].loc[:, 'vol'].mean()
vol_ma10 = tech_data.iloc[-10:].loc[:, 'vol'].mean()
vol_ma20 = tech_data.iloc[-20:].loc[:, 'vol'].mean()
amount_ma5 = tech_data.iloc[-5:].loc[:, 'amount'].mean()
amount_ma10 = tech_data.iloc[-10:].loc[:, 'amount'].mean()
amount_ma20 = tech_data.iloc[-20:].loc[:, 'amount'].mean()
price_ma5 = tech_data.iloc[-5:].loc[:, 'close'].mean()
price_ma10 = tech_data.iloc[-10:].loc[:, 'close'].mean()
price_ma20 = tech_data.iloc[-20:].loc[:, 'close'].mean()
low = tech_data.iloc[-1].low
high = tech_data.iloc[-1].high
close = tech_data.iloc[-1].close
vol = tech_data.iloc[-1].vol
# 判断是否符合条件
cond1 = close >= price_ma20 * 1.05
cond2 = vol >= vol_ma20 * 1.5
cond3 = close > price_ma20 * 2
cond4 = (close - tech_data.iloc[-20:].low.min()) / tech_data.iloc[-20:].low.min() <= 0.1
cond5 = abs(100 - (low * 100 / close)) >= 21
if cond1 and cond2 and cond3 and cond4 and cond5:
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三十一篇，该选股策略主要基于技术面来选股，振幅和大单净量等指标用于筛选活跃企业，今日控盘则用于判断股价上涨空间还有多少。但同时也存在一定风险，需要投资者综合考虑并避免风险。
## 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。
