问财量化选股策略逻辑
我们的选股逻辑主要包含以下三个部分：
-
去掉新股与次新股: 我们认为，新股与次新股由于上市时间短，市场对其了解不足，容易被过度炒作，因此我们不选择这类股票。
-
涨幅<0: 我们认为，当一只股票的价格持续下跌时，可能会有投资者开始买入，这可能是其底部信号，因此我们选择涨幅<0的股票。
-
最近5分钟内dde大单买入量与自由流通股的比率: 我们认为，大单买入量是主力资金的行为，如果这个比例较大，说明主力资金比较活跃，有可能推动股价上涨，因此我们选择这个比例较大的股票。
选股逻辑分析
以上三种逻辑都有一些优点和缺点。
优点是，我们的逻辑能有效地剔除一些不合理的股票，如新股与次新股、价格持续下跌的股票等，从而提高了选股的有效性。
缺点是，我们的逻辑并不能完全预测股票未来的走势，因为股市有很多不可预测的因素。
有何风险？
使用这种选股策略可能会有一定的风险，比如市场环境的变化、公司经营状况的改变等，这些都可能导致我们的策略失效。
如何优化？
我们可以尝试结合更多的数据源来优化我们的选股策略，比如公司的财务数据、行业数据等。此外，我们还可以尝试引入更多的技术指标来辅助我们的决策。
最终的选股逻辑
我们的最终选股逻辑是在排除了新股与次新股、价格持续下跌的股票，并且满足了dde大单买入量与自由流通股的比率大于一定阈值后，选择最近一段时间内的日K线图。
常见问题
在使用这种选股策略时，可能会有人问：“为什么只看最近一段时间的日K线图？”这是因为我们希望通过观察股票的历史表现来判断它的未来走势。
指标公式代码参考
这个问题没有固定的答案，因为不同的软件可能有不同的编程语言和API，我们需要根据具体的软件来进行编写。在这里，我将提供一个简单的Python代码示例，用于计算dde大单买入量与自由流通股的比率：
def get_dde_ratio(ticker):
# 获取dde数据
dde = get_dde_data(ticker)
# 计算大单买入量与自由流通股的比率
ratio = dde['dde'].sum() / dde['free
## 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。