问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入以及周线MA5金叉MA10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
本选股策略主要从技术面考虑，选取振幅大于1和下午大单净流入两个指标能够反映出当前股票的波动性与市场情绪，选取周线MA5金叉MA10通过短期和中期的移动均线结合有效地发现股票价格的拐点，预测股价未来的上升空间。基于上述指标选出的个股是具有价格上升趋势的。
有何风险？
本选股策略仅依据少数指标选股，并没有考虑公司的基本面，和市场整体走势等因素，存在一定的风险。同时，我们仅仅考虑了短期下跌的股票，而没有考虑长期持有的情况下股票的表现。
如何优化？
可以结合其他指标，如财务报表数据，从基本面角度来进一步选出有价值的股票。同时可以结合市场走向，进行选股策略的确定，如选取行业前景非常好的股票可以提高投资的胜算。此外可以通过资产配置、持有时间和风险控制来进一步完善选股逻辑。
最终的选股逻辑
本选股策略采取振幅大于1、下午大单净流入及周线MA5金叉MA10的股票作为选股依据，通过技术面挖掘具有一定上涨趋势的股票。同时应注意市场变动及风险控制。
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
周线MA5金叉MA10: CROSS(MA(CLOSE,5),MA(CLOSE,10))
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 = []
# 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='1 year ago', end_date='today', freq='D')
quote_data = pro.query('daily', ts_code=ts_code, start_date='1 year ago', end_date='today')
week_quote_data = pro.query('weekly', ts_code=ts_code, start_date='1 year ago', end_date='today')
if ABS((k_data["high"] - k_data["low"]) / k_data["pre_close"]).all()>0.01 and ((quote_data["close"] - quote_data["open"]) > (0.005 * quote_data["vol"] - MA(quote_data["vol"],3))/10000).all() and CROSS(MA(week_quote_data["close"],5),MA(week_quote_data["close"],10)).all():
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
break
return selected_stocks
其中，MA()函数为计算指定日数的移动平均值，CROSS()函数为计算两条均线的金叉、死叉的数据。
## 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。
