问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,竞价时涨跌幅买入大单.特大单共计买入量大于0.7千万。
选股逻辑分析
与前一个选股策略相比，该选股策略增加了基本面的考虑，要求在技术面指标满足条件的基础上，市场表现也较好，大单和特大单买入量也较高，增强了选股策略的倾向性和可靠性。但是，该选股策略也存在一定的风险，容易出现基本面数据误差和信息不对称等问题。
有何风险？
该选股策略仍然存在数据滞后和信息不对称的问题，容易因为基本面数据错误或者不准确而导致选股策略的偏差和失误。同时，大单和特大单买入量也暗含了一定的投机成分，需要加强风险控制。
如何优化？
为了降低风险，可以增加基本面指标的考虑，并且加强对基本面数据的分析和验证，确保选股策略的可靠性。此外，要对大单和特大单买入量进行综合分析，避免出现投机成分过大的情况，并且要加强风险控制，及时调整选股策略。
最终的选股逻辑
综合考虑技术面和基本面指标，选股策略如下：
-
振幅大于1；
-
周线为红柱；
-
竞价时涨跌幅买入大单.特大单共计买入量大于0.7千万；
-
根据基本面指标筛选符合条件的股票；
-
考虑当前市场整体趋势等因素；
-
采用多种技术指标进行策略组合。
同花顺指标公式代码参考
以下是同花顺实现该策略的部分指标公式代码：
C1 = AMP() > 1;
C2 = WEEKLY(COLOR(MACD(12, 26, 9), RED)) > 0;
C3 = GET_TRADE_DIRECTION() == 1 AND GET_TRADE_TIMING() == 1 AND LARGE_ORDER_VOLUME() + HUGE_ORDER_VOLUME() > 70000000;
C4 = GET_ROE(TTM) > 0;
SELECTOR = C1 AND C2 AND C3 AND C4;
RESULT = REF(SORT(RANK(SELECTOR AND CAPITALIZATION ),1),0) == 0;
Python代码参考
以下是Python实现该策略的部分代码：
def select_stocks():
selected_stocks = []
for stock in get_all_securities(types=['stock']).index:
c1 = get_price(stock, count=1, end_date=datetime.now(), frequency='1d', fields='amplitude')[0] > 0.01
c2 = get_macd(stock, count=1, unit='1w', include_now=True, fillna=True)['macdhist'][-1] > 0
c3 = (get_trade_direction(stock, count=1, end_date=datetime.now(), frequency='1m') == 1) & (get_trade_timing(stock, count=1, end_date=datetime.now(), frequency='1m') == 1) & ((get_large_order_volume(stock, count=1, end_date=datetime.now(), frequency='1m') + get_huge_order_volume(stock, count=1, end_date=datetime.now(), frequency='1m')) > 70000000)
c4 = get_fundamentals(query(valuation.code).filter(valuation.code==stock, valuation.roe_ttm>0))
if c1 and c2 and c3 and c4:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要结合自身需求进行调整。
## 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。
