(supermind)振幅大于1、反包、2021年

问财量化选股策略逻辑

选股逻辑：振幅大于1,反包,2021年。

选股逻辑分析

该选股逻辑继承了前一个逻辑的优点，同时去除了前一个逻辑中可能存在的风险（单纯追涨）。在选择2021年的数据进行分析，使得选股策略更具时效性和鲁棒性。

有何风险？

尽管选取2021年进行选股是合理的，但过度依赖历史数据仍然可能导致一些风险。此外，该选股逻辑依然没有考虑市场风险和基本面因素，无法保证选出的股票会持续表现优良。

如何优化？

在进行选股时，可以考虑融合市场情况、技术因素以及基本面因素，以便更全面地筛选股票。例如，在技术因素的基础上，可以考虑加入各种技术指标，如动量指标、趋势指标等。同时，也应多方面考虑此策略可能存在的风险，并尝试通过更多的手段规避。

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；
选择2021年数据；
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: YEAR(C) == 2021; // 选择2021年数据
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：

def stock_filter(dv, symbols):
    # 获取数据，计算指标
    close = dv.get_ts('close', symbol=symbols)
    high = dv.get_ts('high', symbol=symbols)
    low = dv.get_ts('low', symbol=symbols)

    price_filter = (close.iloc[:, -1] > close.iloc[:, -2])  # 当前收益率大于0
    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

    selected_stocks = (price_filter & amp & rt_filter)
    selected_stocks = selected_stocks.sort_values(by='pct_chg', 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，选择2021年的数据，符合振幅条件的股票，并根据当天的收益率排序。

    ## 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、2021年_