问财量化选股策略逻辑
选股逻辑为：振幅大于1、股价为18.5元、连续3天以上大单净量大于0.05。选股策略考虑了股票价格波动性、价格合理性和资金流入等因素，以便捕捉可能具有短期股价上涨机会的股票。
选股逻辑分析
该选股策略以振幅大于1、股价为18.5元、连续3天以上大单净量大于0.05为选股依据。振幅大于1反映了股票价格波动比较大，股价为18.5元反映了股票的价格合理性，连续3天以上大单净量大于0.05则说明资金在高位买入，市场对该股票持有乐观视角，或许还有涨价空间。通过这些选股条件，寻找可能具有短期股价上涨机会的股票。
有何风险？
该选股策略过于强调短期股价上涨机会，可能会忽略股票的长期价值。此外，盲目追涨杀跌也会存在较大风险。
如何优化？
可综合考虑其他指标和因素，例如加入股票的基本面和估值指标等指标，以更好地评估股票的长期价值。同时，连续大单净量也需要结合大单的比例和其它资金流向的情况进行综合分析，以评估其价值。
最终的选股逻辑
对于A股市场来说，选股逻辑为：振幅大于1、股价为18.5元、连续3天以上大单净量大于0.05。在这个基础上，可加入其他基本面和技术指标，以更全面地评估选股质量。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH-LOW)/HIGH > 0.01
# 股价为18.5元
SELECT2 = CLOSE == 18.5
# 连续3天以上大单净量大于0.05
SELECT3 = SUM(VOL/10000*0.01*SIGN(TYPE), 3) >= 3 * 0.05
SELECT = SELECT1 AND SELECT2 AND SELECT3
以上为计算选股逻辑的同花顺指标公式。即选股指标为：振幅大于1、股价为18.5元、连续3天以上大单净量大于0.05。可根据实际需求进行修改。
Python代码参考
import pandas as pd
import tushare as ts
def get_selected_stocks():
# 获取tushare连接
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取A股市场所有的股票
all_stocks = [ts_code for ts_code, name, industry in pro.stock_basic(fields='ts_code,name,industry', exchange='', list_status='L').values.tolist() if name[0] != 'S']
# 计算选股指标并依此进行选股
selected_stocks = []
for ts_code in all_stocks:
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name,concept_name,industry,exchange,list_date,total_equity,market_type,holders')
if all_data.empty or all_data.iloc[0]['total_equity'] == 0 or (pd.Timestamp.now() - pd.to_datetime(all_data.iloc[0]['list_date'])).days < 365:
continue
quote_data = pro.bar(ts_code=ts_code, freq='5min', start_date=(pd.Timestamp.now() - pd.Timedelta(days=4)).strftime('%Y%m%d'), end_date=pd.Timestamp.now().strftime('%Y%m%d'), ma=[5, 20, 60])
if quote_data.empty:
continue
if (quote_data['open'][-1] - quote_data['pre_close'][-1]) / quote_data['pre_close'][-1] > 0.095:
continue
if quote_data['close'][-1] != 18.5:
continue
large_trades_data = pro.block_trade(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=4)).strftime('%Y%m%d'), end_date=pd.Timestamp.now().strftime('%Y%m%d'))
if large_trades_data.empty or len(large_trades_data[large_trades_data['net_vol'] > 0]) < 3:
continue
selected_data = quote_data.iloc[-1].copy()
selected_data['ts_code'] = ts_code
selected_data['pro_name'] = all_data.iloc[0]['pro_name']
selected_stocks.append(selected_data)
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、股价为18.5元、连续3天以上大单净量大于0.05。可根据实际需求进行修改。
## 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。
