(supermind)振幅大于1、反包、涨跌幅×超大单净量

问财量化选股策略逻辑

选股逻辑：振幅大于1，反包，涨跌幅度乘以超大单净量大于某一值的股票。

选股逻辑分析

该选股逻辑主要考虑了市场走势和资金流入流出情况。涨跌幅度乘以超大单净量的理念是希望能够筛选出在市场走势中表现强劲，且受到资金青睐的股票。这样能够更好地寻找市场中的优质股票，但也可能会忽视部分基础面较好但资金流情况不佳的股票。

有何风险？

该选股逻辑忽略了股票的基础面情况，且市场命运变幻莫测，考量的因素有限，可能会带来投资风险。同时，指标设置可能过于简单，容易漏掉股票的复杂特征。

如何优化？

可以尝试加入其他的技术指标或基础面因素，比如移动平均线、市盈率等，增加选股的维度和准确性。此外，可以使用机器学习等方法，系统性地从海量数据中挑选有效的指标，提高选股效率和精度。

最终的选股逻辑

基于以上分析，我们提出改进后的股票筛选逻辑：

振幅大于1；
反包出现；
涨跌幅度乘以超大单净量大于某一值；
中证指数成份股，创业企业板除外；
股票的市盈率、市净率等指标。
其他技术指标和基础面因素。

同花顺指标公式代码参考

以下是通达信指标的公式代码示例：

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:(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)>0.01;  // 今日上涨幅度大于1%
F04:AMOUNT * 100 / VOLUME * 100 >= VALUE1;  // 涨跌幅度乘以超大单净量
F05:INDEXMEMBER('000001.SH',STOCKCODE)>=0 AND INDEXMEMBER('399006.SZ',STOCKCODE)<0; // 中证指数成份股，创业企业板除外

FILTER:F01 AND F02 AND F03 AND F04 AND F05;
SYMBOL_SORT("热点板块", SORT_DESCEND);
SELECT(IF(F06, 1, 0), "诊股"); // 输出文本信息：选股

python代码参考

以下是用 Python 实现该策略的选股逻辑：

def stock_filter(dv, symbol):
    # 获取股票数据
    high = dv.get_ts("high", symbol=symbol)
    low = dv.get_ts("low", symbol=symbol)
    close = dv.get_ts("close", symbol=symbol)
    amount = dv.get_ts("amount", symbol=symbol)
    volume = dv.get_ts("volume", symbol=symbol)
    profit = get_fundamentals(query(
        income_net_profit_parent_company_annual
    ).filter(
        income_net_profit_parent_company_annual.symbol == symbol
    ), end_date=dt.datetime.today(), count=1, panel=False)
    pe_ratio = get_fundamentals(query(
        valuation.pe_ratio
    ).filter(
        valuation.pe_ratio.symbol == symbol
    ), end_date=dt.datetime.today(), count=1, panel=False)
    pb_ratio = get_fundamentals(query(
        valuation.pb_ratio
    ).filter(
        valuation.pb_ratio.symbol == symbol
    ), end_date=dt.datetime.today(), count=1, panel=False)
    # 计算其他指标
    selected_stocks = (high / low - 1 > 0.01) & (Ta('CDL2CROWS', 0, open, high, low, close) == 100) & (amount * 100 / volume * 100 >= VALUE1) & (index_stockfilter('000001.SH', exclude=True) & index_stockfilter('399006.SZ', exclude=False)) & (pe_ratio > 0) & (pb_ratio > 0)
    selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
    return selected_stocks.index.tolist()

在 Python 中实现整个选股逻辑，需要先获取相关的股票数据和公司基础数据，如行情、成交量、净利润、市盈率、市净率等数据，并与选股条件进行比对，从而得到选股结果。在本例中，先用 get_fundamentals 函数获取公司净利润、市盈率、市净率的数据，再用其他指标计算选股结果，最后返回筛选结果。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind)振幅大于1、反包、涨跌幅×超大单净量_