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、底部抬高作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略主要综合考虑股价波动性、资金流向、技术面形态等多个角度对股票选取，振幅标准要求选出的股票存在较大波动，下午大单净流入要求某个时间段内有大量资金流入，底部抬高要求股票基于技术分析成立，得出底部后开始上涨，以便符合看涨预期，在选股时能够判断哪些股票具备优秀的上涨潜力。
有何风险？
选股策略较为依赖技术面形态，所选股票未来上涨的可能性并不能完全保证。同时，在研究技术指标时，过于侧重过去的数据和形态，可能会降低选股的成功率。
如何优化？
为了更好地应对市场波动，可以加入其他维度的参考指标，如市盈率、市净率等价值投资指标，通过分析公司的基本面情况和未来的运营情况等，准确把握股票的投资价值，降低风险。同时，选股策略要结合市场情况和投资计划进行综合分析，以合理配置资产，为风险分散提供保障。
最终的选股逻辑
在挑选股票标的时，本选股策略结合振幅大于1、下午大单净流入、底部抬高这些因素进行选股。选取的股票进一步需要在个股分析（例如财务管理等）和资产管理方面进行加强，在交易管理上也需要强化风险控制策略，以后续市场波动中保持收益率的稳定。
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
底部抬高：
REF(MIN(LOW, 12), 1) > REF(MIN(LOW, 26), 1) AND MIN(LOW, 12) > MIN(LOW, 26) AND (HIGH - MIN(LOW, 9)) / (0.1 * REF(ATR(14), 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)
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 \
(k_data.low.rolling(12).min().shift(1) > k_data.low.rolling(26).min().shift(1)) & \
(k_data.low.rolling(12).min() > k_data.low.rolling(26).min()) & \
((k_data.high - k_data.low.rolling(9).min()) / (0.1 * k_data.tr.rolling(14).mean().shift(1)) > 1).values[-1]:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股策略通过依次将股票与条件逐一进行筛选，得到最终的投资标的，其中python代码使用了Tushare库进行选股处理，使用Series内置函数和rolling函数来实现选股筛选条件的计算。
## 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。
