问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和竞价涨幅范围在-2%至5%之间作为选股指标，选取结果中涨幅最高的个股作为投资标的。
选股逻辑分析
本选股策略集成了技术面和基本面的指标，选取振幅大于1可以筛选出股价波动较大的个股。下午大单净流入和竞价涨幅是反应股票活跃程度和买卖情况的重要指标。竞价涨幅在-2%至5%之间可以选出适合于短期交易的个股。
有何风险？
该选股策略忽略了长期的基本面因素，存在潜在的不足。同时，选取竞价涨幅作为选股因素需要谨慎，因为这一指标可能受到外部因素的干扰，对股票实际表现产生不可预测的影响。
如何优化？
可以加入其他指标，如MACD、均线等，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。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和竞价涨幅范围在-2%至5%之间作为选股指标，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
竞价涨幅: (OPEN - PRE_CLOSE) / PRE_CLOSE 在-2%至5%之间
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='3 month ago', end_date='today', freq='D')
quote_data = pro.query('daily', ts_code=ts_code, start_date='3 month ago', end_date='today')
price_range = ((quote_data["open"] - quote_data["pre_close"]) / quote_data["pre_close"] > -0.02) and ((quote_data["open"] - quote_data["pre_close"]) / quote_data["pre_close"] < 0.05)
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 price_range
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。
