(supermind)振幅大于1、k小于20、反包

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，反包。

选股逻辑分析

该选股逻辑结合了股票价格波动幅度、技术指标以及技术形态因素，通过筛选出振幅较大、处于上涨通道且出现反包形态的股票，进一步筛选出短期内有较大上涨潜力的标的。

有何风险？

该选股逻辑依赖于技术形态的判断，因此存在一定的主观性和不确定性。此外，股票价格波动幅度较大可能涉及到市场风险，需要注意控制仓位，避免风险过大。

如何优化？

可以考虑引入其他技术指标，如RSI、MACD等指标，结合技术形态进行综合分析。可以结合基本面因素和行业板块资金流向等因素进行选股，以提高筛选的准确性。可以考虑加入风险控制因素，如市场行情变化、股票波动性等因素，进一步优化选股策略。

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；
出现反包形态。

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: CSWING();
SELECTOR := C1 AND C2 AND C3;
RESULT := SELECTOR;

其中，CSWING()用于判断股票是否出现反包形态。

Python代码参考

以下是Python实现该选股策略的选股逻辑的代码：

import talib

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)
cswing = talib.CDL2CROWS(df['open'], df['high'], df['low'], df['close'])

selected_stocks = (amp > 1) & (kdj < 20) & (cswing != 0)
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指标及反包形态等指标进行选股，筛选出短期内有较大上涨潜力的标的。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、反包_