问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和剔除昨日涨停的股票作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略在振幅大于1、下午大单净流入的基础上，关注股票短期内的走势，选择剔除昨日涨停的个股。剔除涨停的股票，可以避免股票在连续大涨后出现调整、高位震荡等情况。同时，剔除涨停的股票也能够筛选出一些中长期趋势较好的个股，更适合作为浮动盈亏所需承担的波动性的投资标的。
有何风险？
本选股策略存在一定的风险。首先，“昨日涨停”这一条件可能被多位投资者所关注，导致市场竞争大，股票成交量大幅放大。同时，由于该策略在选股条件上进行了剔除操作，选出的个股并不具有绝对优势，市场风险可能加大。
如何优化？
对于选股策略的优化，可以关注更多指标，并充分考虑公司基本面、行业趋势等因素。比如加入市盈率、市净率、ROE、评级等指标，以评估企业的真实价值。考虑对剔除涨停的要求进行调整，如控制涨幅比例或者剔除连续涨停的股票。可以尝试使用人工智能等技术来进行更精准的选股分析，进一步提高选股的效率和正确率。
最终的选股逻辑
本选股策略在振幅大于1、下午大单净流入的基础上，选择剔除昨日涨停的个股作为选股标准，倾向于选择短期内走势比较平稳的个股，期望获得更好的投资体验和较稳定的投资收益。在这个基础上，可以引入更多因素对股票进行综合评估。
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
剔除昨日涨停：
(NOT REF(HIGH == REF(LIMITUP, 1), 1))
python代码参考
# 引入Tushare库
import tushare as ts
# 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, trade_date='2022-01-25')
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 \
(~pd.Series(k_data.high).rolling(2).apply(lambda x: x[0] == x[1] == pd.Series(k_data.high).rolling(2).max()[0])).values[-1]:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股策略通过Tushare库获取股票数据并进行筛选，使用rolling函数来实现选股筛选条件的计算。在剔除昨日涨停的条件中，使用rolling函数实现一个计数器进行计算，确保选取的股票昨日未有涨停。对于选股策略的后续优化，建议加入更多因素和补充指标，在技术面的基础上充分考虑公司基本面和行业趋势。
## 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。
