问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和今日涨幅大于1%的主板个股作为投资标的。
选股逻辑分析
本选股策略选取了股票的技术面指标、交易数据和市场表现指标，其中技术面指标包括振幅和下午大单净流入，选取今日涨幅大于1%是基于股票的市场表现考虑，可以筛选出近期表现良好的股票。
有何风险？
该选股策略选股的结果可能受到市场流动性、行业和板块等因素的影响，同时该策略无法考虑公司的财务风险等因素，需要谨慎评估。
如何优化？
可以考虑加入其他基本面指标和量价指标，构建更全面、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、下午大单净流入和今日涨幅大于1%的主板个股作为投资标的，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
今日涨幅大于1%：(CLOSE - LAST_CLOSE)/LAST_CLOSE > 0.01 AND SG=="主板"
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')
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 ((quote_data["close"] - quote_data["pre_close"])/quote_data["pre_close"] > 0.01 and quote_data["sw_sector"] == "主板").all():
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。
