问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入和量比大于1.5、量比小于6四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
本选股策略仍然选取了振幅和资金流入等指标作为选股标准，增加了量比指标。量比可以反映成交量的活跃程度，选取量比范围，可以更好地筛选具有流动性和市场交易活跃的个股。
有何风险？
本选股策略存在的风险主要是可能会选中一些暂时活跃但流动性不足、基本面较差的个股，并且这些股票得益于投机情绪而暂时得到短时间上涨。此外，市场变化可能会影响策略效果。
如何优化？
应该增加其他指标，如市盈率、市净率、财务指标等，以更好地考虑基本面情况。同时，可以考虑加入均线、RSI和MACD等指标来辅助选股，并进行更加全面和精细的策略设计，以提升选股的准确性和有效性。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入和量比大于1.5、量比小于6四个指标作为选股标准，选取结果中的个股为投资标的。在进行后续的操作时，应该对选中的股票进行全面的基本面、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
量比大于1.5：V/MA(V,3) > 1.5
量比小于6：V/MA(V,3) < 6
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()
# 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
fin_data = pro.daily_basic(ts_code=ts_code, trade_date='today')
k_data = pro.daily(ts_code=ts_code, start_date='today', end_date='today')
if (fin_data.circ_mv > 10000000000) and ((k_data.high - k_data.low) / k_data.pre_close > 0.01) and \
((k_data.close - k_data.open) > ((0.005 * k_data.vol - pd.Series(k_data.vol).rolling(3).mean()) / 10000)) and \
((k_data.vol / pd.Series(k_data.vol).rolling(3).mean()) > 1.5) and ((k_data.vol / pd.Series(k_data.vol).rolling(3).mean()) < 6):
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
其中，CLOSE表示收盘价，使用等于号进行判断，大单净流入和振幅分别通过计算实现。量比通过计算成交量与成交量的三日均值之比实现。
## 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。
