(supermind)振幅大于1、k小于20、酷特智能早晨之星

问财量化选股策略逻辑

选股逻辑：振幅大于1、K线小于20、出现酷特智能早晨之星形态。

选股逻辑分析

该选股逻辑主要从技术面指标入手，考虑了股票振幅、K线以及K线形态，可以筛选出技术面表现良好且具备一定预测意义的股票。

有何风险？

该选股逻辑依然只考虑了技术面指标，忽略了股票的基本面、财务状况等因素，存在选错或漏选的情况。同时，K线形态的识别要求也需要具有一定的经验和技巧，可能存在识别错误或漏识别的情况。

如何优化？

可以加入其他技术指标和形态识别方法，如MACD、RSI、均线金叉等等，或者结合基本面和财务数据等多种因素进行选股。同时，需要对K线形态的识别有更深入的了解和掌握，避免识别错误或漏识别。

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；
综合考虑多个技术指标和形态识别；
结合基本面、财务和行业状况等因素；
限制风险，保证投资安全。

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：

SAME_POS(gv_isMorningStar, 1);
CLOSE_IN_RANGE := (CLOSE > BOLL(2, 20) AND CLOSE <= BOLL(0, 20));
SELECTOR1 := ((HIGH - LOW) / C) > 0.01;
SELECTOR2 := C < 20;
RESULT := gv_isMorningStar AND CLOSE_IN_RANGE AND SELECTOR1 AND SELECTOR2;

其中，SAME_POS(gv_isMorningStar, 1)代表出现酷特智能早晨之星形态，CLOSE代表收盘价，BOLL(2, 20)代表Bollinger Bands中的upper值，BOLL(0, 20)代表Bollinger Bands中的mid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)
selector1 = amplitude > 0.01
selector2 = close < 20
morning_star = talib.CDLMORNINGSTAR(open.values, high.values, low.values, close.values, penetration=0.3)
selected_stocks = morning_star & selector1 & selector2

# 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('volume', ascending=False)
selected_stocks.drop('volume', axis=1, inplace=True)

return selected_stocks['code'].tolist()

通过计算指标并进行综合选择，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、酷特智能早晨之星_