(supermind)振幅大于1、k小于20、收益＞0

问财量化选股策略逻辑

选股逻辑：振幅大于1、K线小于20、收益大于0进行选股。

选股逻辑分析

该选股逻辑主要结合了技术面的指标和股票收益等基本面因素。振幅大于1表示该股票的价格波动性较大，K线小于20表示该股票处于低位。通过筛选出价格近期表现较好，同时可以考虑和相对低位的股票，进一步筛选符合收益要求的股票。相对简单的选股逻辑，逻辑清晰，易于操作。

有何风险？

该选股逻辑将股票的收益作为主要选择因素之一，忽略了其他基本面因素和公司财务情况，可能存在过于看重近期收益和短期表现的情况，忽略了股票的市场前景和公司成长潜力等因素。同时，技术指标和价格波动性等因素都存在一定的局限性，不足以全面反映股票的价值和市场情况。因此，需要考虑多种因素进行选股。

如何优化？

在挑选低位股票时，可以综合利用多个技术指标进行筛选，进一步筛选可以考虑长期的基本面和财务因素，避免出现过度注重短期表现的情况，同时，可以增加其他指标，如市盈率等作为参考，综合考虑多方面的因素，进行全面系统的分析和筛选。

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；
监测财务状况，筛选出基本面良好的股票；
监测市场情况，综合利用多个技术指标，选择分析相对全面的股票；
结合市场前景和成长潜力等因素；
考虑多个因素进行综合权衡，筛选出符合要求的股票。

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 := (HIGH - LOW) / REF(CLOSE,1) > 0.01;
c2 := KCONGB < 20;
c3 := CLOSE > REF(CLOSE, 1);
SELECTOR := c1 AND c2 AND c3;
RESULT := SELECTOR;

其中，REF函数用于移位计算。

Python代码参考

以下是Python实现该选股策略的选股逻辑：

# 计算指标
amplitude = (high - low) / close.shift(1)
selector1 = amplitude > 0.01
selector2 = df['kcongb'] < 20
selector3 = df['pct_chg'] > 0
selected_stocks = selector1 & selector2 & selector3

# 综合选择
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()

通过计算指标和综合选择，结合多种因素进行选股，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、收益＞0_