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、高点为两日最高作为投资标的。
选股逻辑分析
本选股策略继承了前一版本的振幅大和下午大单净流入，同时加入了高点为两日最高，即股票涨势强劲。主要是为了给具有投资价值和投资机会的股票一个重要的提示，同时减小市场波动的影响。本策略主要要求在股票涨势强劲的情况下，持股人可以尽可能减少获利回吐的风险。
有何风险？
高点为两日最高是对股票表现的成果相对于市场的平均水平进行衡量。在股票市场中，股票在其历史性上有很多面；也就是说，当前面对的股票，曾经历过不同的历史性，选品策略容易忽略其中的许多细节，从而造成某种程度上的风险。
如何优化？
可以结合其他技术指标（例如均线、KDJ等）以及基本面指标（例如财务数据、产生的收益等）进行配合使用，寻求更加精确和有效的选股策略。同时，需要注意对选股策略进行反复测试和修改，不断优化，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、高点为两日最高作为投资标的，并可以根据具体情况进行细微调整，构建多样化的投资组合。
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
两日最高：(HIGH - REF(HIGH, 1)) > 0 AND (REF(HIGH,1) - REF(HIGH,2)) > 0
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 = []
# 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 month ago', end_date='today', freq='15min', Ma=[5,10,20])
if (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 ((k_data["high"] - REF(k_data["high"], 1)) > 0) and ((REF(k_data["high"], 1) - REF(k_data["high"], 2)) > 0):
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
return selected_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。
