问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和昨天出现了龙虎榜标记三个指标作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略选取了振幅和资金流入等指标作为选股标准，增加了龙虎榜标记指标。龙虎榜标记是反映股票近期受到资本市场关注度的标志，如果某股票出现了龙虎榜标记，则说明虽然该股票受到约束，但其受到了市场关注，有可能在短期内表现突出。同时，下午大单净流入反映了机构资金的介入情况，振幅则是反映了市场波动情况，可以通过这些指标简化选股过程。
有何风险？
本选股策略的风险在于，龙虎榜标记并不是所有情况下都是正面指示，而可能具有较大的噪声干扰。由于龙虎榜标记可能会受到多种因素的影响，所以选股时需要加以辨别，不能只是盲目追随。此外，选股策略中所采用的几个指标都具有一定的局限性，选股结果可能受到市场变化和调整等因素的影响。
如何优化？
可以从多个方面优化此策略。首先，可考虑加入财务数据、行业数据等基本面因素来辅助选股，加强选股策略在长期市场环境下的能力；其次，对于龙虎榜标记的使用，可以根据其出现的频率、原因、性质等进行分析归类；最后，建议在进行策略回测和优化时，应该结合实际情况进行操作，并不盲目追求高收益率而忽视风险控制。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和昨天出现了龙虎榜标记三个指标作为选股标准，选出的个股为投资标的。在进行后续的操作时，应该对选中的股票进行全面的基本面、技术面和政策面分析，以确定其投资价值和风险水平。在操作过程中应充分考虑风险控制和资金管理等方面的问题。
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
出现龙虎榜标记：SINHALT>0
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()
# 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
fin_data = pro.daily_basic(ts_code=ts_code, trade_date='today')
k_data = pro.daily(ts_code=ts_code, start_date='today', end_date='today')
lhb_data = pro.top_list(trade_date='yesterday')
if (fin_data.circ_mv / 10 < 55) and ((k_data.high - k_data.low) / k_data.pre_close > 0.01) and \
((k_data.close - k_data.open) > ((0.005 * k_data.vol - pd.Series(k_data.vol).rolling(3).mean()) / 10000)) and \
(lhb_data[lhb_data['ts_code'] == ts_code.shape[0] > 0 and lhb_data.SINHALT.values[-1] > 0]):
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
其中，CLOSE表示收盘价，使用等于号进行判断，大单净流入和振幅分别通过计算实现，并将龙虎榜标记作为指标判断。流通盘则应当除以10，从而符合流通盘的实际情况。
## 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。
