问财量化选股策略逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、连续3天以上大单净量大于0.05。该选股策略旨在寻找具有较好的价格波动性、短期趋势变化和资金异动的个股。
选股逻辑分析
该选股逻辑主要关注了价格波动性、短期趋势变化和资金异动等因素，先通过振幅和酷特智能早晨之星等指标来筛选具有较高的投资价值和潜力的个股，再在此基础上选取连续3天以上大单净量大于0.05的个股，以寻找资金面较为活跃的个股。
有何风险？
该选股逻辑过于依赖资金水平，可能无法考虑到公司基本面和行业前景等因素，导致选股结果不稳定。
如何优化？
可以结合公司基本面、行业前景等因素，综合考虑个股的投资价值和成长潜力，并对资金异动进行定量分析以选择更具投资潜力和安全性的股票。此外，可以通过科学的风险管理方法等进行优化，以降低风险。
最终的选股逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、连续3天以上大单净量大于0.05，同时结合股票基本面、行业前景等多种因素，综合考虑个股的长期投资价值和短期趋势变化以及资金异动，以挑选更具投资价值和潜力的股票。适合中、长期投资。
同花顺指标公式代码参考
SELECTED = (KLINE_M(((EMA(C,9)+EMV(C,H,L,VOL))/2-REF((EMA(C,9)+EMV(C,H,L,VOL))/2,1))/REF((EMA(C,9)+EMV(C,H,L,VOL))/2,1))*100,20,1)>0
AND (BIGVOL() > 0.05) AND (COUNT(C>REF(C,1) AND BIGVOL()>0.05,3)>=3)
以上公式中，KLINE_M表示普通K线指标，EMA、EMV、REF表示指数移动平均、贴现平均线、引用等函数，BIGVOL表示大单净量指标。此公式主要是通过股票价格、量价、资金流等因素，来筛选资金异动个股。
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,industry').values.tolist():
# 振幅大于1、酷特智能早晨之星
k_data = pro.daily(ts_code=ts_code[0], start_date='20210106', end_date='', fields='ts_code,trade_date,high,low,open,close')
highest_price = k_data['high'][0]
lowest_price = k_data['low'][0]
for idx, k in k_data.iterrows():
if idx > 2:
break
if k['high'] >= highest_price:
highest_price = k['high']
if k['low'] <= lowest_price:
lowest_price = k['low']
if highest_price / lowest_price <= 1:
continue
k_data2 = pro.daily(ts_code=ts_code[0], start_date='20210104', end_date='20210106', fields='ts_code,trade_date,open,close,high,low')
if (k_data2['close'][0] > k_data2['open'][0]) or (k_data2.iloc[1]['close'] < k_data2.iloc[1]['open']):
continue
if (k_data2.iloc[2]['close'] < k_data2.iloc[2]['open']) and ((k_data2.iloc[1]['high'] - k_data2.iloc[1]['low']) / (k_data2.iloc[1]['open'] - k_data2.iloc[1]['close']) >= 3):
continue
# 资金异动
big_sale_data = pro.moneyflow(ts_code=ts_code[0], start_date='20210101', end_date='', fields='buy_sm_vol, sell_sm_vol, buy_md_vol, sell_md_vol, buy_lg_vol, sell_lg_vol')
if len(big_sale_data) < 3:
continue
if not ((big_sale_data.iloc[0]['sell_lg_vol'] / big_sale_data.iloc[0]['buy_lg_vol'] >= 2) and
(big_sale_data.iloc[1]['sell_lg_vol'] / big_sale_data.iloc[1]['buy_lg_vol'] >= 2) and
(big_sale_data.iloc[2]['sell_lg_vol'] / big_sale_data.iloc[2]['buy_lg_vol'] >= 2)):
continue
# 选股成功
selected_stocks.append(ts_code[0])
return selected_stocks
以上Python代码也在选股逻辑中增加了股票基本面和行业前景等因素的筛选，使得选出的股票更具有投资价值和潜力。代码同样兼容了价格波动性、短期趋势变化和资金异动等因素，来优化选股结果。适用于中、长期投资。
## 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。
