问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和至少5根均线重合的股票作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略通过振幅、资金流向和技术面三个方面选取股票。从振幅上选取振幅大于1的股票，具有一定波动性；从资金流向上选取下午大单净流入的股票，具有较好的资金流入情况；从技术面上选取至少5根均线重合的股票，具有较好的股票形态。从多个角度综合考虑，选取投资标的。
有何风险？
本选股策略侧重于技术面，考虑的是股票形态，选出的股票具有较大的投机性、波动性较大。在股票市场表现、基本面和投资者心理等多个方面存在多种因素影响着其长期表现，只考虑技术面可能导致较大的风险。在使用本选股策略时必须注意进行风险控制，合理配置资产。
如何优化？
为了减少投机因素，可以加入基本面和行业板块等因素，筛选出潜力股和优质股。例如，加入市盈率、市净率、ROE等指标，考虑公司财务状况；加入行业板块等指标，考虑行业趋势。作为技术面的补充，可以使用其他技术面指标，例如相对强弱指标、KDJ指标等。综合考虑多个角度，筛选潜力股和优质股。
最终的选股逻辑
本选股策略通过多个角度，综合考虑短期、中期和长期因素，选取波动性大、资金流入情况好、形态较好的个股作为投资标的，以期获得更好的收益。在此基础上，可以加入其他因素和补充指标，进行更为全面、准确的选股。
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
至少5根均线重合：
COUNT(CLOSE > MA(CLOSE, 5), 5) == 5
python代码参考
# 引入Tushare库
import tushare as ts
# 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.daily(ts_code=ts_code, trade_date='2022-01-25')
if ts_code.startswith(("00", "30")) and \
(k_data.high - k_data.low).mean() / k_data.close.mean() > 0.01 and \
(k_data.close - k_data.open > ((0.005 * k_data.vol - pd.Series(k_data.vol).rolling(3).mean()) / 10000)).values[-1] and \
pd.Series(k_data.close > pd.Series(k_data.close).rolling(5).mean()).rolling(5).sum().iloc[-1] == 5:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股策略通过Tushare库获取股票数据并进行筛选，使用rolling函数来实现选股筛选条件的计算，注意在控盘的计算中使用交易金额较为准确。对于选股策略的后续优化，建议增加财务因素，同时保留技术面因素以考虑股票价格走势。
## 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。
