问财量化选股策略逻辑
选股逻辑：振幅大于1，反包，连续3天以上大单净量大于0.05。
选股逻辑分析
该选股策略综合了振幅指标、反包指标和大单净量指标，考虑了股票的交易活跃性和走势方向，以及大单资金的参与程度，以筛选出走势活跃、资金参与度高的股票进行投资。
有何风险？
该选股策略可能会忽略一些潜在投资机会，同时可能会因为大单净量预测偏差等原因导致选股失误。此外，排除其他因素的影响也是一个难点。
如何优化？
可以综合考虑多个指标、因素，如行业板块、市场情绪、基本面等因素，进行深入细致的分析。例如，可以加入市场热度等因素综合过滤股票。
最终的选股逻辑
基于以上分析，我们提出下面完善后的选择逻辑：
- 振幅大于1；
- 反包出现；
- 连续3天以上大单净量大于0.05；
- 股票所属行业板块上涨。
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:(BIGNETVOLUME > 0.05 AND BIGNETVOLUME >= REF(BIGNETVOLUME, 1) AND BIGNETVOLUME >= REF(BIGNETVOLUME, 2))
AND (REF(BIGNETVOLUME, 1) > 0.05 AND REF(BIGNETVOLUME, 1) >= REF(BIGNETVOLUME, 2) AND REF(BIGNETVOLUME, 1) >= REF(BIGNETVOLUME, 3))
AND (REF(BIGNETVOLUME, 2) > 0.05 AND REF(BIGNETVOLUME, 2) >= REF(BIGNETVOLUME, 3) AND REF(BIGNETVOLUME, 2) >= REF(BIGNETVOLUME, 4)); // 连续3天以上大单净量大于0.05
F04:INDUSTRY_UP > 0; // 股票所属行业板块上涨
FILTER:F01 AND F02 AND F03 AND F04 > 0;
SYMBOL_SORT("CLOSE*TOT_VOLUME*CAPITALIZATION/10000", SORT_DESCEND);
SELECT(IF(F04, 1, 0),"诊股"); // 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, symbol):
# 获取数据，计算指标
high = dv.get_ts("high", symbol=symbol)
low = dv.get_ts("low", symbol=symbol)
close = dv.get_ts("close", symbol=symbol)
big_net_volume = dv.get_ts("big_net_volume", symbol=symbol)
industry_up = dv.get_ts("industry_up", symbol=symbol)
amplitude = high / low - 1
reverse_pattern = (Ta('CDL2CROWS', 0, open, high, low, close) == 100)
big_net_volume_signal = (
(big_net_volume > 0.05) &
(big_net_volume >= big_net_volume.shift(1)) &
(big_net_volume >= big_net_volume.shift(2)) &
(big_net_volume.shift(1) > 0.05) &
(big_net_volume.shift(1) >= big_net_volume.shift(2)) &
(big_net_volume.shift(1) >= big_net_volume.shift(3)) &
(big_net_volume.shift(2) > 0.05) &
(big_net_volume.shift(2) >= big_net_volume.shift(3)) &
(big_net_volume.shift(2) >= big_net_volume.shift(4))
)
industry_up_signal = (industry_up > 0)
selected_stocks = amplitude & reverse_pattern & big_net_volume_signal & industry_up_signal
return selected_stocks.index.tolist()
选股逻辑中，我们用 Python 的 pandas 库和 TA-Lib 库计算指标，筛选出符合条件的股票列表，以得到我们需要选择的股票列表。
## 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。
