问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和机构抄底作为选股指标，选取结果中涨幅最高的个股作为投资标的。
选股逻辑分析
本选股策略同样结合了技术面和基本面的指标。振幅大于1可以筛选出股价波动较大的个股，下午大单净流入反映了资金流向，而机构抄底则反映了机构对个股的看好程度。若选股策略合理运用，则可能发掘一些潜在的中长期机会。筛选出符合机构抄底条件的股票，意味着股票基本面和未来业绩被机构看好，并有可能带动一段时间内的牛市。
有何风险？
该选股策略同样忽略了公司的基本面和其他重要的财务指标，存在一定的风险。同时，基于机构抄底的策略，机构的操作有时会受到非理性的因素影响，需要我们进行充分的研究和分析。
如何优化？
可以加入其他指标，如市盈率、市净率或者市销率等，进行更全面的筛选，同时对选股策略进行持续的优化和修复，以提高其适用性和准确度。若是将机构抄底的技术指标和基本面指标结合起来进行选股，则能够综合考虑个股的整体业绩和投资机会。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和机构抄底作为选股指标，选取结果中涨幅最高的个股作为投资标的。
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
机构抄底：EXIST(PUBDATE, 20) AND (C / REF(C,20) - 1 < 0.05) AND (BIG_VOL_ACCU / VOL_ACCU >= 0.7)
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 = []
selected_scores = []
# 所有股票
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')
pub_data = pro.query('top10_holders', ts_code=ts_code, start_date='', end_date='')
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 (EXIST(pub_data["pub_date"], 20)) and ((quote_data["close"] / REF(quote_data["close"],20) < 1.05) & (pub_data["big_vol_accum"] / pub_data["vol_accum"] >= 0.7)).all()
if score:
selected_stocks.append(ts_code)
selected_scores.append(score.sum())
if len(selected_stocks) == n:
break
# 返回涨幅最高的n只股票
sorted_stocks = [x for _, x in sorted(zip(selected_scores,selected_stocks),reverse=True)]
return sorted_stocks
## 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。
