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,连续3天以上大单净量大于0.05。
选股逻辑分析
该策略依据股票的振幅、机器人概念和流通市值进行初步筛选，以振幅大、机器人概念和流通市值小的股票为基础进行后续选股，选取连续3天或以上大单净量大于0.05的股票进行投资。该选股策略通过结合基本面和技术面进行综合判断，可以降低选股的风险，避免盲目跟风和高吸低吐。
有何风险？
该选股策略可能存在以下风险：
- 大单净量的计算和分析容易受到局部事件和情绪影响，存在滞后性；
- 连续3天以上大单净量大于0.05的股票可能数量较少；
- 操作难度相对较大，需要准确把握市场趋势和行情。
如何优化？
为减少风险，可以从以下几个方面进行改进：
- 增加其他技术指标进行多因子选择，提高策略精度；
- 加强基本面分析，了解股票的财务数据和分红情况；
- 监控市场热点和趋势，并做好及时调整，准确把握机会；
- 增加风控措施，如设定止损和止盈等措施。
最终的选股逻辑
为提高策略的精度和稳定性，最终的选股逻辑如下：
- 振幅大于1，机器人概念且流通市值小于100亿的股票；
- 连续3天以上大单净量大于0.05的股票；
- 结合技术指标和基本面进行多因子选择；
- 增加风险控制参数，如止损、止盈等。
同花顺指标公式代码参考
为了实现选股逻辑，可以结合同花顺提供的指标公式，如下：
// 振幅
A1 = ((H - L) / L) > 0.01;
// 机器人概念
B1 = CONCEPT IN ("智能机器人");
// 流通市值小于100亿
C1 = CAPITALIZATION < 1000000000;
// 连续3天以上大单净量大于0.05
D1 = VRANKSUM(V, 3) / SUM(V, 3) > 0.05;
// 综合判断
IF(A1 AND B1 AND C1 AND D1, 1, 0)
Python代码参考
为了实现选股逻辑，可以结合Python的pandas等模块和优矿的数据API，如下：
# 获取股票数据和财务数据
df = get_data(context.trade_date, context.holding_num)
# 判断振幅是否符合条件
df['amplitude'] = (df['high'] - df['low']) / df['low']
df['amplitude_condition'] = df['amplitude'] > 0.01
# 判断是否为机器人概念股票
concept_stocks = get_concept_stocks(['智能机器人'])
df['concept_condition'] = df['code'].isin(concept_stocks)
# 判断流通市值是否符合条件
df['capitalization_condition'] = df['market_value'] < 1000000000
# 判断是否符合大单净量条件
df['large_volume_condition'] = df['net_vol'].rolling(3).sum() > 0.05 * df['volume'].rolling(3).sum()
# 合并条件
df = pd.concat([df['amplitude_condition'], df['concept_condition'], df['capitalization_condition'], df['large_volume_condition']], axis=1)
# 判断最终权重
exc_stocks = df[df.all(axis=1)]
注意事项：本回答中的选股逻辑、指标公式和Python代码仅供参考，实现过程中需要根据具体投资策略进行作出一定的调整优化。
## 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。
