(supermind)振幅大于1、k小于20、前日实际换手率_3～28

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，前日实际换手率在3% - 28%之间。

选股逻辑分析

该选股逻辑同样结合了技术指标和市场基本面因素进行选股，以振幅和K线为指标测量股票价格波动和走势，加上前日实际换手率作为衡量市场活跃程度指标。通过测量前一天的实际换手率选出活跃度适中的股票，同时振幅和K线的条件限制具有选出大幅波动的股票的功能。但前日实际换手率的要求过于严格，可能导致漏掉投资机会。

有何风险？

该选股策略对于选股指标的选择相对单一，忽略了很多市场的其他重要因素，容易产生选择Bias。同时，前日实际换手率的区间要求过于严格，可能会抛弃一些潜力股，丢失可能获得高收益的机会。

如何优化？

增加其他的指标，如市场趋势、行业板块趋势及指标、财务和交易数据等，从多方位，全面的角度对市场进行分析和判断，以提高选股品质。同时，前日实际换手率需松散一些，加入板块位置，考虑换手率的行业因素、行业整体走势等，获取更多信息。此外，可考虑采用机器学习的方法，通过模型学习选股条件，自动化筛选。

最终的选股逻辑

改进后的选股逻辑如下：

振幅大于1；
K线小于20；
前日实际换手率在 0-50%之间；
结合市场趋势、行业板块趋势及指标、财务和交易数据；
结合机器学习方法，自动化选股。

同花顺指标公式代码参考

以下是在通达信上实现该选股策略的指标公式代码：

AMPLITUDE := (HIGH - LOW) / C;
SELECTOR1 := C5 > 0.5 AND C < 20;
SELECTOR2 := VOLUME[1] >= LLV(VOLUME[2], 5) AND VOLUME[1] <= LLV(VOLUME[2], 5) * 2;
RESULT := SELECTOR1 AND SELECTOR2;

其中，LLV(VOLUME[2], 5) 表示前日实际换手率在20%以上，双倍为40%。

Python代码参考

以下是 Python 实现该选股策略的选股逻辑：

# 计算振幅和换手率
amplitude = (high - low) / close.shift(1)
turnover = volume.diff() / volume.shift(1)

# 筛选选股
selected_stocks = pd.DataFrame({
                  'amplitude': amplitude,
                  'turnover': turnover
                }).query('amplitude > 1 & turnover > 0.03 & turnover < 0.28')

return selected_stocks['code'].tolist()

Python 实现该策略的选股逻辑，同样可以进行灵活地调整和优化策略，并通过 Python 的数据处理和可视化功能更便于分析和复现选股结果。

    ## 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)振幅大于1、k小于20、前日实际换手率_3～28_