问财量化选股策略逻辑
选股逻辑：振幅大于1,反包,大单净量排行。
选股逻辑分析
该选股策略综合运用了技术指标分析和资金流向分析。在振幅和反包指标的基础上，加上了大单净量排行的要求，增加了筛选股票的准确性。
有何风险？
该选股策略同样忽略了公司基本面的影响因素，同时过于依赖技术指标和资金流向，对于宏观经济环境和个股财务状况等诸多因素的影响可能过于简单。
如何优化？
可以综合考虑多方面指标，包括技术指标、基本面指标及市场环境等因素，对于大单净量排行，也需注意资金流向的长短期变化，以对市场变化做出更及时的反应。
最终的选股逻辑
综合以上分析，提出完善后的选股逻辑：
- 振幅大于1；
- 反包出现；
- 大单净量排行；
- 结合基本面指标进行深度分析；
- 过滤得到满足条件的股票。
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: RANK(BIGVOLUME / CAPITALIZATION) <= 20; // 大单净量排行
FILTER: F01 AND F02 AND F03;
SELECT(IF(1, 1, 0), "选股"); // 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, symbols):
# 获取数据，计算指标
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
close = dv.get_ts('close', symbol=symbols)
big_volume = dv.get_ts('big_net_volume', symbol=symbols)
cap = dv.get_ts('capitalization', symbol=symbols)
price = (close == 18.5)
ta_func = Ta('CDLTASUKIGAP', 0, dv.get_ts('open'), high, low, close)
reverse_pattern = (Ta('CDL2CROWS', 0, dv.get_ts('open'), high, low, close) == 100)
rank = (big_volume / cap).rank(ascending=False)
big_net_volume_rank = (rank <= 20)
selected_stocks = ((high / low - 1 > 0.01)\
& reverse_pattern\
& big_net_volume_rank\
& price)
selected_stocks = selected_stocks.sort_values(by='close', ascending=True)
return selected_stocks.index.tolist()
在基础的振幅、反包指标上增加了对大单净量排行的监测，以更好地确定股票的潜力，加强了选股策略的有效性，同时结合基本面指标、资金流向等，降低选股风险。
## 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。
