(supermind)振幅大于1、k小于20、昨日股价大于250日均线

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，昨日股价大于250日均线。

选股逻辑分析

该选股逻辑采用了技术指标振幅和K线结合股价走势进行选股，并加入昨日股价大于250日均线的条件，更加注重股票价格长期趋势。同时，要求振幅大于1，K线小于20，表明股价具有一定的波动性和走势特点。

有何风险？

该选股策略忽略了其他技术指标和基本面因素的影响，仅凭借股票价格走势进行选股，在一定程度上有可能忽略个股的内在价值和市场环境变化。同时，该策略对选股进行的时段限制较多，可能会错过一部分潜在的可投资目标。

如何优化？

考虑引入其他技术指标和市场基本面的相关因素，例如MACD指标、相对强弱指标、EPS、PE等，以更全面而准确地判断股票市场趋势和个股价值。同时，考虑适当放宽对选股时段的限制，较为全面地评估市场波动及个股涨跌情况。此外，还可以考虑利用机器学习等算法对大量历史数据进行分析和验证，更好地优化选股策略。

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；
昨日股价大于250日均线；
MACD指标和相对强弱指标较优；
EPS和PE符合市场价值分析；
深度挖掘市场易受影响的事件、政策和行业趋势等关键因素。

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;
MA250 := MA(C, 250);
Y_CLOSE := REF(C, 1);
SELECTOR2 := Y_CLOSE > MA250;
RESULT := SELECTOR1 AND SELECTOR2;

Python代码参考

以下是 Python 实现该选股策略的选股逻辑：

# 计算振幅和昨日股价
amplitude = (high - low) / close.shift(1)
y_close = close.shift(1)

# 计算250日均线
ma250 = close.rolling(window=250).mean()

# 筛选选股
selected_stocks = pd.DataFrame({
                  'amplitude': amplitude,
                  'y_close': y_close,
                  'ma250': ma250
                }).query('amplitude > 1 & y_close > ma250')

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、昨日股价大于250日均线_