问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和连续3天以上大单净量大于0.05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
选股策略将振幅、大单净流入和大单净量等指标结合在一起，旨在寻找波动幅度较大的、有资金流入且有买方大单连续买入的潜在标的。连续3天以上大单净量大于0.05增加了筛选标准，可以使得所选股票更具有稳定性和可信度。
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，策略适用性较低，不适用于所有行情，只适用于偏向震荡行情。
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。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和连续3天以上大单净量大于0.05分别作为选股指标，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
大单净量大于0.05: SUM(NET_VOL,3) > 0.05
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 (SUM(pub_data["net_vol"],3) > 0.05).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。
