(supermind)振幅大于1、今日控盘＞21、反包

问财量化选股策略逻辑

选股逻辑：振幅大于1,今日控盘＞21,反包。

选股逻辑分析

该选股逻辑通过关注反包现象，即盘价反弹后再次下跌反而会吸引更多人买入的现象，来从技术面挑选出具备投资价值的股票，同时控制操作风险，提高交易策略效果。但是，这个选股逻辑在忽略一些其他的市场变化和重要宏观因素影响的同时，还存在大量的操作风险，需要进一步优化。

有何风险？

该选股逻辑可能存在以下潜在风险：

忽略了投资者的长期投资和价值投资的需求，而过于追求短期收益的操作思路，容易因为市场突变而失去操作机会；
前提条件过于宽松，容易造成过多噪音信号，难以择股；
受到黑嘴信息的影响，出现人为干扰。

如何优化？

为了提高选股逻辑的交易效果，我们可以进行以下优化：

引入更多的基本面指标，如财务、宏观经济、行业等，结合技术面指标进行分析，挖掘潜在投资机会；
降低筛选条件的宽松程度，提高择股效率；
避免黑嘴信息的影响，加强筛选信号有效性和可靠性；
增加风险控制，控制仓位、分散投资，减少操作风险，降低整体风险。

最终的选股逻辑

经过以上优化，我们得到以下选股逻辑：

振幅大于1；
今日控盘＞21；
最近反包现象出现；
净资产收益率ROE大于15%;
营业收入同比增长率大于20%；
市盈率小于40。

同花顺指标公式代码参考

C1 = REF(ABS(AMO/REF(AMO, 1)-1), 1);
C1 = IF(C1>1, 1, C1);
C2 = CONTROL_SHares_TODAY()>0.21;
C3 = REF(ABS(CLOSE/REF(CLOSE, 1)-1), 1) > REF(ABS(CLOSE/REF(CLOSE, 1)-1), 2);
C4 = ROE(TODAY) > 15;
C5 = SALES(TODAY)/SALES(-252)*100>20;
C6 = PE < 40;
SELECTOR = C1*C2*C3*C4*C5*C6;
RESULT = SORT_RANK(SELECTOR, ASCEND(SEARCH_RANK()));

python代码参考

C1 = np.where(np.abs(ta.AMO()/ta.AMO().shift(1)-1)>1, 1, np.abs(ta.AMO()/ta.AMO().shift(1)-1))
C1 = np.where(C1>1, 1, C1)
C2 = ta.CONTROL_SHares_TODAY()>0.21
C3 = np.abs(ta.CLOSE()/ta.CLOSE().shift(1)-1) > np.abs(ta.CLOSE().shift(1)/ta.CLOSE().shift(2)-1)
C4 = ta.ROE() > 15
C5 = ta.SALES().pct_change(periods=252)*100 > 20
C6 = ta.PE() < 40
selector = C1 * C2 * C3 * C4 * C5 * C6
result = np.argsort(np.argsort(selector))

        ## 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、今日控盘＞21、反包_