问财量化选股策略逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万。该选股策略主要考虑了个股波动性、规模和市场交易情况，通过综合考虑这几个因素和大单交易情况，筛选出符合条件的标的股。
选股逻辑分析
该选股逻辑不仅考虑了个股的波动性和规模，还综合考虑了市场交易情况和大单交易情况，特别是通过筛选竞价时的买入大单和特大单共计买入量的方式，更加详细地反映了市场资金的流向情况。通过综合考虑这几个因素和大单交易情况，筛选出符合条件的标的股。
有何风险？
该选股策略过于依赖市场短期交易情况，可能会捕捉到企业的短期投机机会，而忽略了其估值、产品优劣等长期因素，具有一定的风险。另外，在竞价时涨跌幅买入大单和特大单共计买入量方面，容易出现短期市场交易情况的误判，也存在被咋骗的风险。
如何优化？
在该选股逻辑的基础上，可以引入多因子模型综合考虑PE、PB、ROE等因素，提升选股的稳定性和长期效益。可以结合其他技术指标，例如KDJ、RSI等指标，综合判断股票的买卖时机，避免仅凭市场交易情况的选择出现误判。同时，在考虑大单交易情况时，可以综合考虑其他因素，例如买方和卖方的交易动向，避免遇到咋骗的情况。
最终的选股逻辑
选股逻辑为：振幅大于1、流通市值大于100亿元、竞价时涨跌幅买入大单、特大单共计买入量大于0.7千万。该选股策略主要考虑了个股波动性、规模和市场交易情况，并引入大单交易情况的判断。通过综合考虑这几个因素和大单交易情况，筛选出符合条件的标的股。
同花顺指标公式代码参考
CIRC_MARKET_CAP >= 100 AND BID_1 > 0 AND BID_1 > ASK_1 AND (BID_VOL_1 + BID_VOL_2) / 10000 >= 0.7
其中，CIRC_MARKET_CAP表示流通市值大小，BID_1表示竞价时的买入价，ASK_1表示竞价时的卖出价，BID_VOL_1和BID_VOL_2分别表示买方的第一笔和第二笔交易量，通过以上指标筛选出符合条件的股票。
Python代码参考
import tushare as ts
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,circ_mv').ts_code:
stock_data = pro.query('stock_basic', ts_code=ts_code)
if stock_data.iloc[0]['circulating_market_cap'] < 100:
continue
# 买入大单和特大单共计买入量大于0.7千万
tick_data = pro.tick(ts_code=ts_code, start_date='20211128', end_date='', fields='ts_code, date, time, high, low, ask1, bid1, ask_vol1, bid_vol1, ask_vol2, bid_vol2')
if tick_data[(tick_data['high'] == tick_data['low']) & (tick_data['bid1'] > tick_data['ask1']) & (tick_data['bid_vol1'] + tick_data['bid_vol2'])/10000 > 0.7].size != 0:
selected_stocks.append(ts_code)
return selected_stocks
其中，在Python代码中，通过使用tushare库获取股票数据，进而筛选符合条件的股票。通过获取的个股财务数据判断其ROE情况，通过振幅指标判断个股波动性情况，并引入竞价时的买入大单和特大单共计买入量的判断。最后，通过筛选符合条件的股票。
## 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。
