问财量化选股策略逻辑
选股逻辑：振幅大于1、昨天有3连板、涨跌幅与超大单净量乘积。
选股逻辑分析
该选股策略是基于技术面和市场表现来选择股票，振幅大于1表明股票波动性较大，连续3个交易日上涨表明市场热门。涨跌幅与超大单净量乘积用来衡量市场参与度和成交量，能较好地筛选出市场表现积极的优质股票。
该策略在技术面和市场表现综合考虑，能较好地筛选出市场表现积极且成交量大的优质股票。
有何风险？
以下是该选股策略可能存在的风险：
- 在只注重成交量和市场表现的情况下忽略了公司的基本面评估，造成投资风险；
- 涨跌幅和超大单净量相乘的筛选条件可能过于苛刻，过滤掉了潜在的优质股票，让股票数量过少影响实际操作。
如何优化？
为了优化该选股策略，减少风险，可以尝试以下优化：
- 在市场表现和成交量的基础上，加入公司的基本面数据，综合考虑更多因素，提高筛选的准确性；
- 调整涨跌幅和超大单净量相乘的系数，尽量保证有一定数量的股票可以被筛选出，加强分散化投资。
最终的选股逻辑
根据以上的分析和优化，我们可以得到改进后的选股逻辑：
- 挑选振幅大于1，昨天有3连板的股票；
- 考虑股票的涨跌幅和超大单净量乘积，筛选出市场参与度高的优质股票；
- 在市场表现和成交量的基础上，加入公司的基本面数据，综合考虑更多因素。
同花顺指标公式代码参考
以下为同花顺的市场表现指标和公司基本面指标公式代码：
涨跌幅：((close - ref(close,1))/ref(close,1))*100，其中close为当日的收盘价，ref(close,1)是昨日的收盘价。
超大单净量：大于等于5个交易日的净流入资金量。
python代码参考
import pandas as pd
from tqsdk import TqApi, TqAuth
api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))
klines = api.get_kline_serial("SHFE.rb2101", 15 * 60, data_length=300) # 取得 df 数据
df = pd.DataFrame(klines)
C1 = (df['high'] - df['low'] >= 1)
C2 = df.groupby('contract.symbol')['close'].apply(lambda x: (x.shift(1) > x.shift(2)) & \
(x.shift(2) > x.shift(3)) & \
(x.shift(3) > x.shift(4))).astype(int)
C3 = ((df['close'] - df['close'].shift(1))/df['close'].shift(1)) * df['volume'] / 10000 >= 100 # 涨跌幅与超大单净量乘积
selector = (C1 & C2 & C3).astype(int)
result = df[selector == 1].sort_values('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。
