(supermind)振幅大于1、k小于20、机构动向大于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，机构动向大于0。

选股逻辑分析

该选股逻辑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，加上机构动向作为投资者情绪指标。对市场趋势和个股价值进行综合考虑。同时，机构动向大于0可以理解为投资人心态较为乐观，股票走势值得关注。

有何风险？

该选股策略仍然基于一定程度上的技术指标和基本面因素，对其他相关因素进行忽略，可能无法全面地判断市场趋势和个股价值。同时，机构动向仅是一种参考指标，不一定反映股票市场的真实变化，其效果依赖于数据来源和质量。

如何优化？

引入更多的技术指标和基本面因素，例如MACD指标、相对强弱指标、PE等，以更为全面和准确地判断市场趋势和个股价值。同时，结合机构动向与其他普遍使用的市场指标，例如市盈率，市净率，资产负债率等，更综合地评估市场情况。此外，引入人工智能技术进行投资组合优化，提高选股策略的准确性和稳定性。

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；
机构动向大于0；
MACD指标和相对强弱指标较优；
PE、PB、ROE等基本面因素符合市场价值分析；
利用人工智能技术进行投资组合优化。

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 := IOPV > 0;
RESULT := SELECTOR1 AND SELECTOR2;

其中，IOPV 可以计算机构参与度，也可以使用其他机构动向指标代替。

Python代码参考

以下是 Python 实现该选股策略的选股逻辑：

# 计算振幅和机构动向
amplitude = (high - low) / close.shift(1)
iopv = # 计算机构参与度

# 筛选选股
selected_stocks = pd.DataFrame({
                  'amplitude': amplitude,
                  'iopv': iopv
                }).query('amplitude > 1 & iopv > 0')

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、机构动向大于0_