(supermind)振幅大于1、k小于20、集中度70_20%

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，集中度70%以下。

选股逻辑分析

该选股逻辑主要考虑了技术面和市场集中度因素。振幅、K线等技术指标用于判断股票的短期趋势，集中度用于评估市场的整体情况。通过综合考虑技术面和市场集中度，可以找到较好的投资标的。

有何风险？

该选股逻辑忽略了公司的基本面和财务状况等因素，在选择股票时需要谨慎。另外，市场集中度也不是绝对的风险指标，需要考虑其他因素综合评估。

如何优化？

可以加入基本面指标，如营收、净利润等，以全面综合评估企业整体情况。此外，可以引入其他市场指标，如换手率、市盈率等，综合考虑市场情况。需要注意风险控制，避免投资风险。

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；
集中度70%以下；
综合考虑公司基本面指标和市场情况；
风险控制。

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：

SELECTOR1 := ((HIGH - LOW) / C) > 0.01;
SELECTOR2 := C < 20;
SELECTOR3 :=  Mkt_concentration_ratio < 70;
RESULT := SELECTOR1 AND SELECTOR2 AND SELECTOR3;

其中，C代表收盘价，Mkt_concentration_ratio代表市场集中度指标。

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
selector3 = market_concentration_ratio < 70
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('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、集中度70_20%_