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、股价为18.5元。通过综合考虑波动性、交易活跃度和价格水平来筛选具有潜在上涨机会的个股。
选股逻辑分析
该选股策略主要考虑股票的波动性、交易活跃度和价格水平来筛选个股。振幅大于1可以说明股票价格波动较大，大单净量排名可以反映该股票的交易活跃度，而股价为18.5元可以反映股票当前的价格水平。通过综合考虑以上因素，可以筛选出具有潜在上涨机会的个股。
有何风险？
该选股策略主要依赖于短期因素如股价波动性和交易活跃度等，并且未考虑股票基本面的长期发展能力。另外，股价为18.5元的条件可能存在限制性，可能会排除一些价格较高或较低的个股。因此，需要进一步分析筛选出的个股是否符合信仰。
如何优化？
可以加入其他技术指标来更好地综合考虑股票短期因素和其长期发展能力。此外，应该考虑更多的股价水平信息，同时应该对选股逻辑进行回测，验证策略的可行性和稳定性。
最终的选股逻辑
选股条件为：振幅大于1、大单净量排行和股价为一定范围内，同时进行更全面的基本面分析。
同花顺指标公式代码参考
SET RANGE = 1;
SET SELECTED = (HIGH - LOW) / REF(CLOSE,1) * 100 > RANGE AND amount > VOL AND close = 18.5;
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', exchange='SSE', fields='ts_code,symbol,name,industry')
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
tech_data = pro.query('daily_basic', ts_code=code, trade_date=current_date, fields='turnover_rate, amount')
if len(tech_data) > 0 and tech_data.iloc[0]['amount'] > 10 ** 9:
# 获取股价数据
price_data = pro.daily(ts_code=code, start_date='20200101', end_date=current_date, fields='open,high,low,close,vol')
# 判断是否符合条件
# 1. 满足振幅大于1条件
cond1 = (price_data.iloc[-1]['high'] - price_data.iloc[-1]['low']) / price_data.iloc[-2]['close'] > 0.01
# 2. 满足大单净量排行条件
cond2 = tech_data.iloc[0]['turnover_rate'] > 3
# 3. 满足价格条件
cond3 = abs(price_data.iloc[-1]['close'] - 18.5) < 0.01
if cond1 and cond2 and cond3:
selected_stocks.append(info)
if len(selected_stocks) >= length:
break
return selected_stocks
致辞
本次问答为问财量化选股策略逻辑的第八篇，主要以振幅、大单净量和股价为标准，通过综合考虑股票波动性、交易活跃度和价格水平来选股。希望投资者能通过本文了解更多量化选股方法，避免盲目跟风并降低股票选取和投资风险。
## 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。
