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、DEA上涨作为投资标的。
选股逻辑分析
本选股策略主要选取了股票的基本面和技术面指标，其中技术面指标包括振幅、大单净流入和DEA的趋势。选取振幅和大单净流入是为了筛选波动较大的股票，DEA的上涨是为了筛选股票在技术指标上表现较好的股票，同时也反应出市场对该股票的情绪比较乐观。综合这几个因素，可以筛选出有一定投资价值的股票。
有何风险？
该选股策略选股的结果可能受到市场波动的影响，容易被市场的短期风险所干扰。另外，DEA指标的上涨只是表明市场对股票情绪的上涨，但不能完全代表该股票的潜在投资价值，只是一个参考。
如何优化？
可以考虑加入其他基本面指标或技术指标，构建多维度的选股策略。同时，需要注意对选股策略进行反复测试和修改，不断优化，以提高其适用性和准确度。
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、DEA上涨作为投资标的，并可以根据具体情况进行细微调整，构建多样化的投资组合。
同花顺指标公式代码参考
振幅大于1：ABS((HIGH-LOW)/PRE_CLOSE) > 0.01
下午大单净流入：C - O > (0.005 * V - MA(V, 3)) / 10000
DEA上涨：DEA > REF(DEA, 1) AND MACD > REF(MACD, 1)
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()
def select_stocks(n):
selected_stocks = []
# 所有股票
all_stocks = pro.stock_basic(exchange='', list_status='L', fields='ts_code')
for ts_code in all_stocks["ts_code"]:
# 获取股票数据
k_data = pro.klines(ts_code=ts_code, start_date='3 month ago', end_date='today', freq='D')
quote_data = pro.query('daily', ts_code=ts_code, start_date='3 month ago', end_date='today')
tech_data = pro.query('daily_basic', ts_code=ts_code, start_date='3 month ago', end_date='today', fields='ts_code,trade_date,macd,dea')
if (ABS((k_data["high"] - k_data["low"]) / k_data["pre_close"]) > 0.01).all() and (quote_data["close"] - quote_data["open"] > (0.005 * quote_data["vol"] - MA(quote_data["vol"],3))/10000).all() and (tech_data["dea"] > tech_data["dea"].shift(1)) and (tech_data["macd"] > tech_data["macd"].shift(1)):
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
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。
