(supermind量化-)振幅大于1、周线MA5金叉MA10、流通市值大于100亿元

问财量化选股策略逻辑

该选股策略选取振幅大于1、周线MA5金叉MA10和流通市值大于100亿元的股票进行投资。此策略考虑了股票价格波动、上涨趋势以及公司市值等因素，适用于价值投资和中长期投资。

选股逻辑分析

此选股逻辑强调了股票流通市值，基于公司市值可以筛选出相对较稳定的企业，同时选择振幅大于1和MA5金叉MA10的股票，可以选择相对具备上涨趋势的公司。此策略依赖历史数据，或许会忽略基本面和行业发展趋势等重要因素，需要有针对性地补充分析。

有何风险？

此选股策略可能会忽略市场行情和公司基本面等因素，风险较大。同时，企业的市值可能会受到股市波动等因素的影响，而流通市值并不一定代表了公司的投资价值。

如何优化？

应该结合公司基本面、行业发展趋势、资金流向等因素，对选股逻辑进行深入分析。可以考虑采用深度学习等先进技术，从多个方面来筛选股票，提高选股效果。

最终的选股逻辑

本选股策略选取振幅大于1、周线MA5金叉MA10和流通市值大于100亿元的股票进行投资。此选股策略需要进一步与基本面、行业发展趋势等因素相结合。

同花顺指标公式代码参考

均线公式：
- MA(N) = SUM(CLOSE, N) / N
振幅公式：
- AMP = (HIGH - LOW) / REF(CLOSE, 1) * 100%
流通市值公式：
- CIRC_MV = TOTAL_SHARES * CLOSE * ADJFACTOR
  - TOTAL_SHARES：总股本
  - ADJFACTOR：复权因子

python代码参考

import tushare as ts
import pandas as pd

pro = ts.pro_api()

def select_stocks(n):
    selected_stocks = []
    for code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv')['ts_code']:
        df = pro.daily(ts_code=code, start_date='20200101', end_date=pd.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol')
        if len(df) == 0:
            continue
        ma5 = df['close'].rolling(5).mean()
        ma10 = df['close'].rolling(10).mean()
        amplitude = (df['high'] - df['low']) / df['close'].shift(1)
        circ_mv = pro.daily_basic(ts_code=code, trade_date=pd.datetime.now().strftime('%Y%m%d'), fields='circ_mv')['circ_mv'][0]
        if amplitude[-1] > 0.01 and ma5[-1] > ma10[-1] and circ_mv > 10000000000:
            selected_stocks.append(code)
    return selected_stocks[:n]

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind量化-)振幅大于1、周线MA5金叉MA10、流通市值大于100亿元_