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昨日成交额大于6千万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
本选股策略着重追踪股票的交易量和波动性，选取振幅大于1和下午大单净流入两个指标，表达出了股票资金及波动性的变化情况；同时，昨日成交额大于6千万可以反映出股票当前活跃性，比较符合一定的交易规模，更平稳的市场走势。
有何风险？
本策略缺乏企业基本面分析，忽略了公司内在价值等因素。股票投资风险偏高。同时，该策略并未考虑市场走势及周期等重要因素。
如何优化？
可以加入其他指标，例如市盈率或市净率等，以更全面的方式进行筛选，也可以结合技术面及基本面综合考虑。可以利用机器学习等方法对历史数据进行分析，提高选股质量的同时，避免人力资源及时间成本的浪费。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入以及昨日成交额大于6千万的股票作为选股标准，选取结果中的个股作为投资标的。同时，可以结合其他指标和方法综合考虑，提升投资质量。
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
昨日成交额大于6千万: LYA(AMOUNT) > 60000000
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')
score = (ABS((k_data["high"] - k_data["low"]) / k_data["pre_close"]) > 0.01).all() and (quote_data["close"] - quote_data["open"] > (0.005 * quote_data["vol"] - MA(quote_data["vol"],3))/10000).all() and LYA(quote_data["amount"]) > 60000000
if score:
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
break
return selected_stocks
其中LYA是在Tushare中查询前一日数据的函数。
## 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。
