问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和100亿市值以内的企业中无亏损企业作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略主要考虑了振幅、资金流入以及企业基本面方面的因素。振幅大于1要求选股的股票价格存在较大波动，下午大单净流入要求在某个时间段内多大的资金流入，100亿市值内筛选的企业数量较少，可以更好地把握市场机会。筛选出无亏损企业可以过滤掉企业的盈利性比较差的股票。
有何风险？
筛选标准不能够全面反映企业的整体财务状况和未来的运营性能，同时振幅、资金流入等技术指标本身受市场短期波动较大，难以体现企业的长期发展态势，风险控制需要加强。
如何优化？
从行业特点、民族经济各个方面彻底分析，设计一种适用于各种市场情况的选股策略。并加强严格的风险控制，注意适时止盈止损，避免盲目跟风和冲动交易等行为。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和100亿市值以内的企业中无亏损企业作为选股标准，选出的个股为投资标的。选出的股票还需要进一步分析企业的财务状况和未来的运营状况等，以确定其投资价值和风险水平。在操作过程中需要加强风险控制和资金管理等方面的问题。
同花顺指标公式代码参考
振幅大于1：(HIGH-LOW)/PRE_CLOSE > 0.01
下午大单净流入：C - O > (0.005*V-MA(V,3))/10000
企业没有亏损（最近四个季度净利润均大于0）：净利润 > 0
市值100亿元以内：0 < TOT_MRK_CAP < 10000000000
python代码参考
# 引入Tushare库、Numpy库、Pandas库
import tushare as ts
import numpy as np
import pandas as pd
# 连接Tushare库
pro = ts.pro_api()
# 查询所有股票的数据
all_data = pro.stock_basic()
# 根据选股条件进行筛选
selected_stocks = []
for ts_code in all_data["ts_code"]:
# 获取股票数据
k_data = pro.daily(ts_code=ts_code)
finance_data = pro.fina_indicator(ts_code=ts_code)
if ts_code.startswith(("00", "30")) and \
(k_data.high - k_data.low).mean() / k_data.close.mean() > 0.01 and \
(k_data.close - k_data.open > ((0.005 * k_data.vol - pd.Series(k_data.vol).rolling(3).mean()) / 10000)).values[-1] and \
finance_data["net_profit"].sum() > 0 and \
0 < finance_data.iloc[-1]["tot_mrk_cap"] < 100 * 100 * 10000:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
其中，CLOSE表示收盘价，使用等于号进行判断，大单净流入和振幅分别通过计算实现，企业净利润和市值通过Tushare的API进行获取。以00和30开头的股票代码则使用startswith函数进行判断。
## 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。
