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10天内涨停天数大于2的股票作为选股标准，选取结果中的个股作为投资标的。
选股逻辑分析
本选股策略选股逻辑主要是以技术面的几个指标作为主要选股依据，其中振幅大于1是反映了市场情绪波动的一个指标，下午大单净流入反映了股票的资金流向，而涨停天数大于2则反映了股票的热度和市场关注指数。
有何风险？
本选股策略存在着与热点挂钩，一旦市场热点消退，选股依据将会大幅降低可操作性，因此难以长期持续性发挥业绩。
如何优化？
可通过加入一些基本面指标进行筛选和优化，例如营收、利润、资产负债表和现金流量表等方面的基本面指标。另外，可以将股票市值作为过滤条件，加强流动性管理与热点板块接轨。
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10天内涨停天数大于2的股票作为选股标准，选取结果中的个股视为投资标的，后续应对标的进行基本面和宏观面过滤，充分评估其投资价值。在风险管控方面，可采取止盈止损等措施降低风险。
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
涨停天数大于2：REF(HIGH/REF(CLOSE,1),1) >= 1.09 AND HIGH/REF(CLOSE,1) < 1.095
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.klines(ts_code=ts_code, start_date='1 month ago', end_date='today', freq='D')
if (k_data.high - k_data.low) / k_data.pre_close > 0.01 and \
(k_data.close - k_data.open) > ((0.005 * k_data.vol - ta.trend.MA(k_data.vol, 3)) / 10000) and \
sum((k_data.high / ta.trend.REF(k_data.close, 1) >= 1.09) & (k_data.high / ta.trend.REF(k_data.close, 1) < 1.095)) > 2:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
其中，TA是量化交易库之一，MA表示均线，REF表示引用前一天的数据。
## 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。
