(supermind)振幅大于1、昨天龙虎榜、下午大单净流入_

问财量化选股策略逻辑

选股逻辑为振幅大于1，昨天出现在龙虎榜单上的股票，并且当天下午有大单净流入。通过综合分析振幅、龙虎榜单和大单净流入指标进行选股，找到符合条件的股票。

选股逻辑分析

1. 振幅大于1表明短期内波动较大，可能存在较大的投资机会；
2. 龙虎榜单的股票通常具有短期市场炒作波动的可能性，可以作为固定收益（短线交易）的投资机会；
3. 当天下午大单净流入表明该股票当天市场活跃度较高，可能存在二次炒作的潜力。

有何风险？

1. 选股后的回测模拟结果存在与实际投资收益的差距；
2. 龙虎榜单的股票可能并不是所有机构一致看好的标的，短期市场情绪波动较大；
3. 大单净流入的数据可能受到市场反应的影响，存在一定的滞后性；
4. 选股逻辑过于简单，可能会引入一定的噪音和虚假信号。

如何优化？

1. 结合其他基本面指标，如市盈率PE、市净率PB等，综合考虑股票的投资价值；
2. 对大单净流入指标进行相应的调整和优化，如设定时间窗口、流入流出比例等指标，提高选股结果的稳定性和可靠性；
3. 可以进行相应的风险控制策略，防范选股后出现不可逆转的亏损。

最终的选股逻辑

选股逻辑为振幅大于1，昨天出现在龙虎榜单上的股票，并且当天下午有大单净流入的股票。通过综合分析振幅、龙虎榜单和大单净流入指标进行选股，以更全面、多角度的方式判断股票的价值和投资机会。

同花顺指标公式代码参考

# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)

# 判断昨天是否出现在龙虎榜上
lhb_data = LHB
yesterday_lhb = REF(lhb_data['buy'] + lhb_data['sell'], 1)
picks_lhb = IF(yesterday_lhb > 0, 1, 0)

# 计算下午大单净流入
capital_data = GetCapitalData(Market, Symbol, Days)
net_inflow = SUM(IF(capital_data['netinflow'] > 0, capital_data['netinflow'], 0), 60) - SUM(IF(capital_data['netoutflow'] > 0, capital_data['netoutflow'], 0), 60)
picks_capital = IF(net_inflow > 0, 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_capital
picks_final = SortBy(picks, C, descending=True)

# 输出选股结果
WriteIf(picks_final, picks_final, 0)

Python代码参考

# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = df[df['amplitude'] > 1].index.tolist()

# 判断昨天是否出现在龙虎榜上
lhb_data = pro.top_list(trade_date='20211008', fields='ts_code')
yesterday_lhb = lhb_data['ts_code'].tolist()
picks_lhb = set(yesterday_lhb)

# 计算下午大单净流入
capital_data = ts.stock_big_event(trade_date='20211008', fields='ts_code, buy_value, sell_value, net_value, buy_volume, sell_volume')
capital_data['net_inflow'] = capital_data['buy_value'] - capital_data['sell_value']
capital_data = capital_data.groupby('ts_code').agg({'net_inflow': 'sum'})
picks_capital = capital_data[capital_data['net_inflow'] > 0].index.tolist()

# 选取符合条件的股票
picks = set(picks_amplitude) & set(picks_lhb) & set(picks_capital)
picks_final = df.loc[picks].sort_values(by='close', ascending=False)['ts_code'].tolist()

# 输出选股结果
print(picks_final)

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)