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PE>0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
本选股策略同样从技术面出发，选取振幅大于1、下午大单净流入和PE>0等三个指标来作为参考。其中，PE是指股票价格与公司每股收益之比，PE越高则代表该股票的投资价值越高，反之则投资价值越低。同时，我们可以通过下午大单净流入来衡量主力资金的意向，来确定市场的实际交易情况。
有何风险？
本选股策略同样是纯基于技术指标进行选股，并未考虑公司基本面及整体市场的宏观因素。同时，选股结果也会受到市场情绪等影响，存在一定风险。
如何优化？
应对选股策略进行进一步细化，可以结合技术面和基本面去评估股票的真实价值，透过财务报表来分析公司的盈利能力和发展前景，同时，应该加入一定的风险控制手段，如止损和移动止盈等。
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PE>0的股票作为选股依据。在选股过程中需要综合考虑该股票所处行业、市场的整体环境、公司的基本面情况等信息，透过技术面和基本面相结合的方法进行选股。
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
PE>0: PE_TTM > 0
python代码参考
# 引入Tushare库、Numpy库、Pandas库、ta库
import tushare as ts
import numpy as np
import pandas as pd
import ta
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
# 全部股票
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 year ago', end_date='today', freq='D')
if ta.momentum.StreakDown(k_data.high) >= 2 and \
ta.volatility.BollingerBands(k_data.close).percent_b()[-1] > 0.8 and \
ta.trend.ADXIndicator(k_data.high, k_data.low, k_data.close).adx()[-1] > 30 and \
ta.trend.MACD(k_data.close).macd()[-1] > ta.trend.MACD(k_data.close).signal()[-1] and \
ta.trend.MACD(k_data.close).hist()[-1] > 0 and \
k_data.pe_ttm[-1] > 0:
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
break
return selected_stocks
其中，TA是量化交易库之一，MA、ADXIndicator、MACD均为TA库中的函数，表示移动均线、ADX指标、MACD指标；pe_ttm表示滚动市盈率。
## 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。
