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，价格＜12。该选股策略主要考虑了短期内技术面和市场情绪等因素，但存在一定的风险。
选股逻辑分析
该选股逻辑主要是基于股票的技术面指标和市场情绪等因素进行筛选，以振幅大于1，大单净量排行，价格＜12等为条件来筛选股票。由于选股条件较为单一，可能会忽略其他重要的因素，如基本面因素等，但能够捕捉到短期内市场情绪波动和价格波动的股票，是一种短期交易的选择。
有何风险？
该选股逻辑主要关注短期内的价格和交易量波动，未考虑更综合的因素，如公司基本面，市场估值等因素，对筛选出的股票质量存在风险。在市场震荡和恶劣的市场情况中，该选股策略的关键指标可能会失去作用，导致投资结果不尽如人意。
如何优化？
可以引入更多的因素来筛选股票，如市值、股息率、PB等基本面因素，以及股票的长期趋势变化等因素，以综合分析的方式来确定选股条件。同时，对于价格低于12的逻辑，可以结合其他因素进行排序，如股价变化率、市值等因素，提高选股的准确性。
最终的选股逻辑
选股条件为：振幅大于1，大单净量排行，价格＜12等多因素综合考虑。引入更多的基本面和市场情绪等因素进行筛选，以实现全面筛选股票的目的。
同花顺指标公式代码参考
SET condition1 = REF(HIGH,1) != HIGH;
SET condition2 = VOLUME > MA(VOLUME,5) * 2;
SET condition3 = (CLOSE < 12);
SET selectedStk = condition1 AND condition2 AND condition3;
SELECT selectedStk AS 选股结果
SortBy = '股票热度'
TOP(50)
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', fields='ts_code,symbol,name')
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']
# 获取技术指标和市场情绪
tech_data = pro.query('daily_basic', ts_code=code, trade_date=current_date, fields='turnover_rate, volume_ratio')
if len(tech_data) > 0 and tech_data.iloc[0]['turnover_rate'] > 3 and tech_data.iloc[0]['volume_ratio'] > 1:
# 筛选数据
details_yesterday_data = pro.moneyflow(ts_code=code, start_date=current_date, end_date=current_date)
if len(details_yesterday_data) > 0:
if abs(details_yesterday_data.iloc[0]['buy_big_net']) > 0 and row['close'] < 12:
selected_stocks.append(info)
if len(selected_stocks) >= length:
break
return selected_stocks
在该选股策略中，我们引入了价格＜12的条件，并引入更多的基本面和市场情绪等因素进行筛选，以深度剖析股票的投资标的，提高了选股策略的精准性和稳健性。同时，在筛选股票的过程中，我们通过对技术指标和市场情绪的筛选，实现了对股票短期内价格波动和市场情绪的把握，更加有效地捕捉市场的短暂套利机会。
## 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。
