(supermind)振幅大于1、k小于20、股票均价站在五日均线之上

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，股票均价站在五日均线之上。

选股逻辑分析

该选股逻辑侧重于技术指标，以振幅和K线为指标测量股票价格波动和走势，同时加入了均线作为趋势指标，判断股票价格是否没有跌破均线或处于均线之上。该指标组合具有选出价格上升趋势较明显、波动较大的股票的特征。同时，相比前文的选股策略，去掉了实际换手率的限制，更加灵活方便。

有何风险？

与前文所列的选股策略一样，采用该选股策略仅仅使用了技术指标，忽略了市场基本面和其他重要因素的影响，难以提前发现潜在的风险因素，投资风险较高。另外，均线作为趋势指标，进入长期震荡行情和趋势反转的市场时，会有一定误判的可能性。

如何优化？

可以采用该策略借鉴其他市场数据和新的指标，如财务数据或宏观经济数据，并将它们与技术指标结合使用，提高选股品质和策略风险把控。此外，可以为每种指标设置一个权重系数，以便更好地平衡技术指标和基本面指标的作用。对于均线指标的缺点，可以增加其他趋势指标，以更好地判断市场走势。

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；
股票均价站在五日均线之上；
结合市场基本面和其他重要因素；
为每种指标设置权重系数；
增加其他趋势指标。

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 := C > MA(C, 5);
RESULT := SELECTOR1 AND SELECTOR2;

其中，MA(C, 5)表示股票收盘价的五日均值。

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)
ma5 = close.rolling(5).mean()
above_ma5 = close > ma5

# 筛选选股
selected_stocks = pd.DataFrame({
                  'amplitude': amplitude,
                  'above_ma5': above_ma5
                }).query('amplitude > 1 & above_ma5 == True')

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、股票均价站在五日均线之上_