(supermind)振幅大于1、昨天3连板、大单净量排行

问财量化选股策略逻辑

选股逻辑：振幅大于1，昨天3连板，大单净量排行。

选股逻辑分析

该选股逻辑主要从以下几个方面考虑：

振幅大于1可以过滤出市场活跃的高热度标的；
昨天3连板可以反映出市场对该标的的买入热情；
大单净量排行可以反映出个别主力资金的买入意愿。

有何风险？

该选股策略存在以下风险：

偏重于部分主力资金的行为，可能忽略普通散户的持仓情况；
大单买卖本身的意愿、方向等因素存在不确定性；
过于关注短期走势，可能忽视长期社会发展趋势。

如何优化？

为了优化该选股逻辑，可以考虑以下方案：

加入普通散户的持仓情况进行分析；
考虑市场整体情况，如果整体偏向下跌，可以加入短空信号进行筛选；
结合社会及宏观政策因素进行分析。

最终的选股逻辑

改进后的选股逻辑如下：

振幅大于1；
昨天3连板；
大单净量排名前10%；
MA5、MA20金叉。

同花顺指标公式代码参考

该选股逻辑的通达信指标公式如下：

FILTER(ABS((HIGH-LOW)/REF(C,1))>=0.01
AND REF(C,1)<REF(C,2)
AND BIGVOL_RANK()<10
AND CROSS(MA(C,5),MA(C,20),1)
AND MARKET = SH), 0)

python代码参考

import pandas as pd
from tqsdk import TqApi, TqAuth

api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))

symbol_list = ["SHFE.rb2101", "DCE.i2101"]

for symbol in symbol_list:
    klines = api.get_kline_serial(symbol, 24 * 60 * 60, data_length=500)
    df = pd.DataFrame(klines)

    big_vol_rank = df['amount'].rolling(window=5).sum().rank(pct=True).iloc[-1]
    C1 = (df['high'] - df['low'] >= 0.01 * df['close'].shift(1))
    C2 = (df['close'].shift(1) < df['close'].shift(2)) & (df['close'].shift(2) < df['close'].shift(3))
    C3 = (big_vol_rank < 0.1)
    C4 = (df['ma5'] > df['ma20']) & (df['ma5'].shift(1) < df['ma20'].shift(1))

    selector = (C1 & C2 & C3 & C4).astype(int)
    result = df[selector == 1].sort_values(by='amount', ascending=False).index.tolist()

    ## 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、昨天3连板、大单净量排行_