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，连续3天以上大单净量大于0.05。该选股策略重点关注股票的成交量、价格波动幅度等，能够挖掘出具有一定投资价值的个股，但筛选结果不一定准确。
选股逻辑分析
该选股逻辑主要以短期价格波动、成交量和资金流向为依据，寻找连续3天以上大单净量大于0.05的股票，以及成交额和涨跌幅等指标，综合分析股票的价值潜力，有利于投资者在市场中寻找到优质的股票。
有何风险？
该选股逻辑以近期的股票走势、成交量和大单净量等短期指标为选股条件，很可能会错过那些具有较强市场潜力和基本面支撑的股票。另外，该选股策略也容易受到市场风险影响。
如何优化？
可以加入更多的指标和模型进行分析，如基本面指标、宏观经济数据等，全面考虑股市的情况和影响因素，以更全面和综合分析的方式筛选股票，提高选股的精度和可操作性。
最终的选股逻辑
选股条件为：振幅大于1，大单净量排行，连续3天以上大单净量大于0.05，综合考虑价格波动、成交量、资金流向、公司基本面和宏观经济数据等多方面因素，评估股票的价值和风险。
同花顺指标公式代码参考
SELECT1 = (HIGH - LOW) > REF(CLOSE, 1) * 0.01;
SELECT2 = GET_DD_JL(CODE) > 0.05 AND REF(GET_DD_JL(CODE), 1) > 0.05 AND REF(GET_DD_JL(CODE), 2) > 0.05;
FILTER(SELECT1 AND SELECT2)
SORT_BY='五分钟竞价成交金额'
SORT_ASCEND=True
TOP(5)
Python代码参考
import pandas as pd
import numpy as np
import tushare as ts
def get_dd_jl(code):
df = ts.get_tick_data(code, date='2022-03-08', src='tt')
if df is None or len(df) == 0:
return 0
dd_jl = sum(df[df['type'] == '买盘']['amount']) - sum(df[df['type'] == '卖盘']['amount'])
return dd_jl / df['amount'].sum()
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='20220101', end_date='20220308')
stock_list = []
# 进行选股
for idx, row in stock_data.iterrows():
if not ((row['high'] - row['low']) > stock_data[stock_data.index == idx-1].iloc[0]['close'] * 0.01) or \
not (get_dd_jl(row['ts_code']) > 0.05 and \
get_dd_jl(stock_data[stock_data.index == idx-1].iloc[0]['ts_code']) > 0.05 and \
get_dd_jl(stock_data[stock_data.index == idx-2].iloc[0]['ts_code']) > 0.05):
continue
selected_data = {}
selected_data['ts_code'] = row['ts_code']
selected_data['stock_name'] = row['name']
selected_data['stock_price'] = row['close']
selected_data['change_rate'] = 100 * (row['close'] - row['pre_close']) / row['pre_close']
selected_data['pct_chg'] = row['pct_chg']
selected_data['turnover_rate'] = row['turnover_rate']
selected_data['dd_jl'] = get_dd_jl(row['ts_code'])
# 可添加其他指标
stock_list.append(selected_data)
# 按竞价金额从大到小排序，选出前5只股票
selected_stocks_sorted = sorted(stock_list, key=lambda x: x['jgmm'], reverse=True)[:5]
return selected_stocks_sorted
在改进后的选股策略中，加入了连续3天以上的大单净量的选股条件，并通过加入其他因素，如基本面指标、宏观经济等分析，以更全面、更细致地视角进行股票的细致分析，提高了选股精度和操作性。同时也应该进一步加入其他因素进行分析，提高选股精度和可操作性。
## 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。
