(supermind)振幅大于1、k小于20、非科创

问财量化选股策略逻辑

选股逻辑：振幅大于1，K线小于20，非科创。

选股逻辑分析

该选股逻辑同样基于技术指标，同时也加入了行业因素的考虑。振幅大于1表示该股票波动幅度比较大，K线小于20表示股票处于超卖状态，非科创则排除了科创板相对较高的估值和波动风险。这样的选股方式能够进一步筛选具备投资价值的标的，同时也能够更稳健地规避风险。

有何风险？

该选股策略仍存在着一定的市场风险，因为技术指标分析和行业分析中仍存在一定的误差和不确定性。此外，科创板之外的股票分类也存在着一定的复杂度和难度。在实际操作中，应该注意市场环境和证券投资实际情况的多变性。

如何优化？

在筛选行业时，可以引入更多的基本面指标和财务指标，如市净率、市盈率等，以更全面地考虑市场情况。同时，应该结合不同的市场环境进行调整，关注指标权重的分配和选股策略的有效性。另外，可结合机器学习和人工智能等技术，优化策略的细节和流程，从而更好地实现有效的选股。

最终的选股逻辑

在综合考虑以上分析基础上，我们提出完善后的选股逻辑：

振幅大于1；
K线小于20；
非科创。

同花顺指标公式代码参考

以下是该选股策略在同花顺中的指标公式代码：

C:CLOSE;
PB:MA(CLOSE,20);
ST:PBM(PB);
FILTER:HIGH>MA5 AND C>PB AND ST< 2;

其中，MA() 和 PBM() 函数用于计算股价的均线和行业的均线，详细定义可参考同花顺文档。

Python 代码参考

以下是 Python 实现该策略的选股逻辑：

# 数据预处理部分
close = dv.get_ts('close', symbol=symbols)
high = dv.get_ts('high', symbol=symbols)

# PB指标
PB = ta.MA(close, timeperiod=20)
ST = ta.PBM(PB)

# 条件判断和选股
selected_stocks = (high > ta.MA(close, timeperiod=5)) & \
                  (close > PB) & \
                  (ST < 2)
return selected_stocks.index.tolist()

通过 Python 实现该策略的选股逻辑，同样利用 TA-Lib 库函数以及其他指标计算 PB 指标和 ST 指标等关键指标。尤其关注行业因素和市场环境，更好地实现选股的效果。在实际生产中，可以通过分析和训练机器学习模型等方法，不断优化和完善选股策略。

    ## 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、非科创_