问财量化选股策略逻辑
首先，我们需要定义一个选股条件，即选择那些大单净额大于500万的股票。这个条件可以使用pandas的rolling函数来实现。
import pandas as pd
def get_large_order_value(df):
return df['大单净额'].rolling(window=10).sum() > 5e+6
然后，我们选择那些属于军工板块且日线价格在16元以下的股票。这可以通过pandas的groupby和apply函数来实现。
df = df[df['板块'] == '军工']
df = df[df['收盘价'] < 16]
接着，我们需要筛选出那些上个月换手率在100％以上的股票。这可以通过pandas的merge函数和groupby和apply函数来实现。
df = df.merge(df.shift(1), on='日期', how='left')
df = df.groupby('日期')['换手率'].apply(lambda x: x > 100)
最后，我们需要根据竞价匹配量除以流通股的数量进行排序。这可以通过pandas的sort_values函数来实现。
df = df.sort_values('竞价匹配量/流通股')
以上就是我们的选股逻辑。
选股逻辑分析
这种选股逻辑主要考虑了以下几个方面：
- 股票的大单净额：大单净额是衡量机构投资者买卖行为的重要指标，如果大单净额较大，说明机构投资者对这只股票比较看好。
- 股票的板块：我们选择了军工板块，因为近年来，国防建设的重要性日益凸显，军工行业有望得到政策的大力支持。
- 股票的日线价格：我们选择了日线价格在16元以下的股票，因为这样的股票通常具有较好的投资价值。
- 股票的换手率：我们选择了换手率在100％以上的股票，因为这样的股票通常具有较高的活跃度和流动性。
- 竞价匹配量和流通股的比例：我们选择了竞价匹配量除以流通股的比例较高的股票，因为这样的股票可能会受到市场的追捧。
但是，这种选股逻辑也存在一些不足之处：
- 对于大单净额的判断，主要是通过滚动窗口的方式计算，可能会有一些误差。
- 对于换手率的判断，是基于上个月的数据
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？
点击页面下方的复制按钮，复制到自己的账户即可使用模板进行回测。