问财量化选股策略逻辑
本选股策略选取振幅大于1、上市时间大于一年、大单净量排行靠前的股票。
选股逻辑分析
选择振幅大于1可以筛选出市场活跃性较强的股票，上市时间大于一年可以筛选出稳定的股票。大单净量排名靠前一定程度上体现了机构对股票的投资热度。
有何风险？
大单净量排名并不能完全反映出股票投资价值，很可能遗漏其他有潜力的股票；同时，大单净量排名靠前的股票也存在机构获利回吐的风险。
如何优化？
为了避免遗漏其他有潜力的股票，可以在股票基本面和技术面上加入其他筛选条件。比如，可以加入营收增长率、利润增长率等基本面指标来筛选股票；加入RSI、MACD等技术指标来筛选股票。同时，对大单净量和排名进行动态调整，以适应市场变化。
最终的选股逻辑
本选股策略选取振幅大于1、上市时间大于一年、大单净量排行靠前的股票。
同花顺指标公式代码参考
振幅：
VAR1:=(ABS(CLOSE-REF(CLOSE,1))/REF(CLOSE,1))*100;
VAR1>1
上市时间：
DATEDIFF(LISTDATE,TODAY)>365
大单净量排行：
RANK(VOL20)>80
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
# 获取股票热度列表
stock_heat = pro.query('top_list', ts_code='', trade_date=today, list_date='',
market_type='', publisher='', fields='ts_code,name,vol_ratio')
stock_heat = stock_heat.sort_values(by=['vol_ratio'], ascending=False)
stock_heat = stock_heat.iloc[:int(len(stock_heat) * 0.1), :]
for code in stock_heat["ts_code"]:
if len(selected_stocks) >= n:
break
quote_info = pro.query('daily', ts_code=code, start_date=(int(today) - 10), end_date=today, fields='open,close')
if len(quote_info) < 1:
continue
selected_stocks.append(code)
if len(selected_stocks) >= n:
break
return selected_stocks
## 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。
