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、未清偿可转债简称不可为空三个指标作为选股标准，选取结果中的个股视为投资标的。
选股逻辑分析
本选股策略综合考虑了股票交易时的波动性、资金涌入情况和未清偿可转债简称的情况，其中振幅大于1和下午大单净流入反映了股票的交易波动性和资金流入状况，未清偿可转债简称不可为空反映了企业债务结构和偿债能力。
有何风险？
本选股策略存在的风险主要是对未清偿可转债简称不可为空指标的过度依赖，独立的指标无法完全反映公司整体的基本面和政策面情况，操作风险较高。
如何优化？
选股应该更加综合、全面考虑公司的基本面、政策面和技术面等因素，如利润、利润增速、营收增速、市盈率等指标，以充分掌握股票的投资价值和增长潜力。此外，还应该通过对公司的行业分析和大宗交易等方面进一步优化选股策略。
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、未清偿可转债简称不可为空三个指标作为选股标准，选取结果中的个股视为投资标的，后续应对标的进行全面性的基本面、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
未清偿可转债简称不可为空：EMPTY(GMFS_STK_CB_REPAY):0
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()
# 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.klines(ts_code=ts_code, start_date='1 month ago', end_date='today', freq='D')
if (k_data.high - k_data.low) / k_data.pre_close > 0.01 and \
(k_data.close - k_data.open) > ((0.005 * k_data.vol - ta.trend.MA(k_data.vol, 3)) / 10000) and \
pro.cb_basic(ts_code=ts_code, field='repay_desc').empty is False:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
其中，pro.cb_basic()是Tushare库中获取可转债信息的函数，empty is False表示可转债简称不为空，GMFS_STK_CB_REPAY表示未清偿可转债简称。
## 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。
