问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和个股热度从大到小排序作为选股标准，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、下午大单净流入以及按照个股热度从大到小的排序作为参考。个股热度从大到小的排序可以体现出市场对该个股的关注程度与买卖情况。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，按照个股热度从大到小排序可能会被一些大型机构资金所主导，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。而且，可以考虑将按照个股热度从大到小排序替换为市值大小排序或其他具有综合性的指标，以提高选股精度和效果。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和按照个股热度从大到小排序作为选股依据。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
按个股热度从大到小排序名: 暂无通达信指标公式代码参考
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()
# 获取个股热度(按照日均成交量)
def get_hot(stocks):
hot = []
for ts_code in stocks:
stock_info = pro.daily(ts_code=ts_code, start_date='20190101', end_date='20211018')
hot.append(stock_info['vol'].mean())
hot_data = dict(zip(stocks, hot))
return sorted(hot_data.items(), key=lambda item: item[1], reverse=True)
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:
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
break
return get_hot(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。
## 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。
