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、外盘/内盘大于1.3。该选股策略主要考虑到技术面和资金面，适用于对股票的中短期投资者。
选股逻辑分析
该选股逻辑主要考虑的是股票的技术面和资金面，其中振幅大于1和外盘/内盘大于1.3是从市场流动性角度考虑，而大单净量排行则是从资金面出发，判断大单资金对于股票涨跌走势的影响。此逻辑的选股效果相对于只考虑技术面来说，有更完整的资金面分析，可能能够选出更有机会的股票。但是，市场情绪和资金面的分析难以准确判断，所以该逻辑选出的股票其表现可能不够稳定。
有何风险？
该选股逻辑非常依赖于股票的技术面和资金面，如市场情绪低迷，容易导致选出的股票回撤较大。 此外，外盘/内盘大于1.3可能被少数投资者操纵，从而产生信息不对称的风险。因此，选股策略应加入其他财务指标和行业数据进行综合考虑，以降低出现预判不准的情况。
如何优化？
可以增加其他技术指标，如KDJ、MACD等，对股票的技术面进行更全面的分析。同时，加入其他市场信息和公司基本面数据，如市盈率、市净率等，更好地衡量股票的内在价值。考虑到外盘/内盘大于1.3容易被少数投资者操纵，可以通过加入多个指标来筛选股票，以避免选出的股票受到操纵的影响。
最终的选股逻辑
选股条件为：振幅大于1、大单净量排行、外盘/内盘大于1.3。应加入其他技术指标和市场信息进行综合考虑，同时考虑个股的内在价值和基本面情况。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH - LOW) / HIGH > 0.01
# 大单净量排行
SELECT2 = GET_DRBQ(CODE, NAME, LAST, LASTVOL) >= 0.8
# 外盘/内盘大于1.3
SELECT3 = VAP > VBP * 1.3
SELECT = SELECT1 AND SELECT2 AND SELECT3
SORT_BY = '市值'
SORT_ASCEND = False
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='20220301', 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，外盘/内盘大于1.3
if not ((row['high'] - row['low']) / row['high'] > 0.01) or \
GET_DRBQ(row['ts_code'], row['name'], row['close'], row['vol']) < 0.8 or \
row['vol'] / row['vol']_change >= 1.3:
continue
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
selected_data['circ_market_cap'] = row['circ_mv']
selected_data['pct_chg'] = row['pct_chg']
# 可添加其他指标
stock_list.append(selected_data)
# 按市值从大到小排序
selected_stocks_sorted = sorted(stock_list, key=lambda x: x['circ_market_cap'], reverse=True)
return selected_stocks_sorted
选股逻辑为：振幅大于1、大单净量排行、外盘/内盘大于1.3。 同样，应根据具体的市场情况和行业特点进行优化，并从多个角度进行选股，使得选出的股票更加全面和可靠。同时，减少特定指标对选股的排斥性，即在多策略选股之后，再根据指标强弱进行优化。
## 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。
