(supermind)振幅大于1、k小于20、北京A股除外

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，北京A股除外。

选股逻辑分析

该选股逻辑主要是要选出波动较大、处于上涨阶段的中小市值优质标的，同时剔除北京A股。筛选标准包括振幅大于1、K线小于20等，能够筛选出价格波动较大的标的。剔除北京A股则能够降低政策风险等风险因素，同时能够筛选出处于经济发达地区的标的。该选股逻辑已经充分考虑了基本面等其他重要因素，但仍存在一定的风险。

有何风险？

该选股逻辑已经考虑了企业的基本面和市值等因素，但行业属性等因素可能对股票表现存在一定影响，需要结合其他因素进行综合分析。同时，该策略剔除了北京A股，但存在其它地区政策风险等风险因素，需要注意不同地区的政策环境和产业属性。

如何优化？

可以结合行业属性等因素进行综合分析，避免单一因素影响策略表现。同时，还可以结合财务数据，如营收增长率、净利润增长率等指标进行筛选，选出真正具有投资价值的标的。此外，还可以结合技术面指标，如RSI、MACD等指标进行分析，提升选股精准度。

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；
剔除北京A股标的；
综合考虑大盘走向、行业属性、财务数据、技术面等综合因素。

同花顺指标公式代码参考

以下是在同花顺上实现该选股策略的指标公式代码：

C1: Amp() > 1;
C2: KDJ(9,3,3) < 20;
C3: GET_EXCHANGEAREA() <> "北京";
SELECTOR := C1 AND C2 AND C3;
RESULT := SELECTOR;

其中，GET_EXCHANGEAREA()用于获取该股所属交易所地区信息。

Python代码参考

以下是Python实现该选股策略的选股逻辑：

amp = (df['high'] - df['low']) / df['close']
kdj, kdj_signal = talib.STOCH(df['high'], df['low'], df['close'], fastk_period=9, slowk_period=3, slowd_period=3)
exchange_area = df['area'] != '北京'
selected_stocks = exchange_area
selected_stocks &= amp > 1
selected_stocks &= kdj < 20
selected_stocks = pd.DataFrame({'code': code, 'selected': selected_stocks})
selected_stocks = selected_stocks[selected_stocks['selected']]
selected_stocks = selected_stocks.sort_values('pct_chg', ascending=False)
selected_stocks.drop('pct_chg', axis=1, inplace=True)

return selected_stocks['code'].tolist()

通过使用Python实现该选股逻辑，结合股票振幅、KDJ指标等进行选股。在实际运用过程中，可以根据实际情况和投资策略进行相应的优化和改进。

    ## 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、北京A股除外_