(supermind)振幅大于1、反包、10日涨幅大于0小于35

问财量化选股策略逻辑

选股逻辑：振幅大于1,反包,10日涨幅大于0小于35。

选股逻辑分析

该选股逻辑在基于振幅和反包两个技术指标的基础上，加入了10日涨幅的条件。这可以筛选出最近走势向好，但仍存在一定上涨空间的股票，同时也增加了对市场风险和基本面的关注。

有何风险？

该选股逻辑仍然缺少一定的市场风险和基本面因素的考虑，无法保证选出的股票会持续表现优良。此外，选股逻辑中的10日涨幅条件容易过度追求短期收益而忽略公司的长期发展，有可能导致投资决策的不稳定性。

如何优化？

在考虑技术指标的基础上，可以加入更多的资金流向、行业发展情况和公司基本面等因素进行筛选。同时，可以将10日涨幅改为长期的涨幅和盈利能力指标等因素相结合，以便更全面地考虑。

最终的选股逻辑

在以上分析基础上，提出完善后的选股逻辑：

振幅大于1；
近3天内出现反包形态；
10日涨幅大于0小于35；
筛选出优质股票。

同花顺指标公式代码参考

使用通达信指标计算，以下是该选股策略的通达信指标公式代码：

F01: HIGH/LOW - 1 > 0.01; // 振幅大于1
F02: NOT(SIGN(CLOSE - REF(CLOSE, 1)) == SIGN(REF(CLOSE, 1) - REF(CLOSE, 2))); // 反包
F03: RGL(N = 10) < 0.35 AND RGL(N = 10) > 0; // 10日涨幅大于0小于35
FILTER: F01 AND F02 AND F03;
SELECT(IF(1, 1, 0), "选股"); // 输出选中的股票

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
# dv表示DataView对象，symbols为需要筛选的股票列表
close = dv.get_ts('close', symbol=symbols)
high = dv.get_ts('high', symbol=symbols)
low = dv.get_ts('low', symbol=symbols)
factor = dv.get_ts('factor')  # 复权因子

close_adj = close * factor / factor.iloc[-1, :]  # 复权后的价格
returns = close_adj.pct_change(periods=10).iloc[-1, :]  # 计算10日涨幅

# 计算技术指标
amp = (close / close.shift(1) - 1).abs() > 0.01
ta_func_renko = Ta('CDLTRISTAR', 0, dv.get_ts('open', symbol=symbols), high, low, close)
rt_filter = (ta_func_renko == 100)
rt_filter = rt_filter.iloc[:, :-1].sum(axis=1) > 0

# 筛选符合条件的股票
selected_stocks = ((amp & rt_filter) & (returns > 0) & (returns < 0.35)).sort_values(ascending=False)

return selected_stocks.index.tolist()

该代码实现了选股策略的核心部分，使用CDLTRISTAR函数计算反包形态，计算10日涨幅并根据条件选出优质股票。toHaveBeenCalled

    ## 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、反包、10日涨幅大于0小于35_