问财量化选股策略逻辑
选股逻辑：振幅大于1，机器人概念且流通市值小于100亿，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
该选股逻辑在基于技术面的基础上，加入了流通市值以及股票买入时的大单和特大单的量化要求。特别地，考虑了竞价时的买入大单以及特大单，有剔除了对短期影响可能较大的噪声数据的要求。
有何风险？
该选股逻辑在技术面上只考虑了振幅，而忽略了其他重要的技术因子，容易因此造成短期内的交易风险或误判。同时，该选股逻辑对基本面没有进一步考虑可能导致出现某些企业在技术面上表现较好但基本面不佳的情况。
如何优化？
对于振幅因子的筛选，可以加入其他的技术因子，如Bollinger Bands等来进行筛选。同时，可以考虑其他与股票交易相关的因子，如沪深300指数等引入，来确定股票的选购时机与确定交易目标区域。
最终的选股逻辑
基于以上分析，我们提出改进后的股票筛选逻辑：
- 振幅大于1；
- 机器人概念且流通市值小于100亿；
- 竞价时涨跌幅买入大单，特大单共计买入量大于0.7千万。
同花顺指标公式代码参考
以下是通达信指标的公式代码示例：
F01:HIGH / LOW - 1 > 0.01; // 振幅大于 1
F02:CONCEPT("机器人概念"); // 机器人概念
F03:CAPITALIZATION < 10000000000; // 流通市值小于 100 亿
F04:VOLUME / 10000 >= 70; // 特大单 >= 0.7 千万
F05:REF(VOLUME, 1) * REF(PCTCHG, 1) > 0; // 涨跌幅买入大单并过滤掉可能出现的噪音
F06:SELECT(CLOSE > 0, 0, 1) == 1; // 区分 ST 股票
FILTER:F01 AND F02 AND F03 AND F04 AND F05 AND NOT F06;
SYMBOL_SORT("热度", SORT_DESCEND);
SELECT IF(F07, 1, 0) AS GOTO;
python代码参考
以下是用 Python 实现该策略的选股逻辑：
def stock_filter(dv, symbol):
high = dv.get_ts("high", symbol=symbol)
low = dv.get_ts("low", symbol=symbol)
concept_robot = dv.get_ts("concept", symbol=symbol).apply(lambda x: "机器人" in x)
circulation_market_cap = dv.get_ts("circulation_market_cap", symbol=symbol)
volume_big = dv.add_formula("vol_big", "VOLUME / 10000 >= 70", add_data=True) #特大单共计买入量大于0.7千万
pctchg_vol = dv.add_formula("pctchg_vol", "REF(VOLUME, 1) * REF(PCTCHG, 1) > 0", add_data=True) # 竞价时涨跌幅买入大单
selected_stocks = (high / low - 1 > 0.01).any(axis=0) & \
concept_robot & (circulation_market_cap < 10000000000) & \
volume_big & pctchg_vol
selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
return selected_stocks.index.tolist()
该示例代码使用了 Python 实现了该选股逻辑，将选股逻辑中的几个指标在 Pandas DataFrame 中计算并筛选，并通过这几个指标统计了竞价时涨跌幅买入大单和特大单的买入量，同时添加了排除涨停的过滤条件减少噪声因素的影响，通过综合基本面和技术面指标来进行选股，以期获得更好的效果。
## 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。
