(supermind)振幅大于1、反包、收益＞0

问财量化选股策略逻辑

选股逻辑：振幅大于1,反包,收益＞0。

选股逻辑分析

该选股策略将振幅和反包指标作为技术面选股指标，同时加入了股票收益率指标作为选股标准，筛选出当前股票表现较好的优质股票。相对于第一个逻辑，此处将选股范围进一步缩小，选出更优质的股票。

有何风险？

该选股策略风险仍然高，短期内收益可能较大，但同时可能存在较大的风险和损失。此外，选股策略的成功率可能较低，存在选股风险。

如何优化？

可以结合多种技术指标和基本面指标进行选股，综合考虑多种因素，同时根据投资风格和风险偏好调整选股策略，提升选股准确性和稳定性。在风险控制方面，可以进行细化风控，如加入止损等措施。此外，建议对于收益率指标进行合理设定，避免过分追求高收益而忽略了风险。

最终的选股逻辑

基于以上分析，提出完善后的选股逻辑：

振幅大于1；
反包出现；
当前股票收益率大于0；
结合多家研究机构推荐度，分析行业趋势等基本面指标；
筛选出优质股票。

同花顺指标公式代码参考

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: CLOSE / REF(CLOSE, 1) > 1; // 当前收益率大于0
FILTER: F01 AND F02 AND F03;
SELECT(IF(1, 1, 0), "选股"); // 输出文本信息：选股

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
    high = dv.get_ts('high', symbol=symbols)
    low = dv.get_ts('low', symbol=symbols)
    close = dv.get_ts('close', symbol=symbols)
    returns = dv.get_ts('pct_chg', symbol=symbols)

    price_filter = (returns.iloc[:, -1] > 0)  # 当前收益率大于0
    amp = (high / low - 1 > 0.01)

    ta_func = Ta('CDLTASUKIGAP', 0, dv.get_ts('open'), high, low, close)
    reverse_pattern = (Ta('CDL2CROWS', 0, dv.get_ts('open'), high, low, close) == 100)

    selected_stocks = (amp & reverse_pattern & price_filter)
    selected_stocks = selected_stocks.sort_values(by='pct_chg', ascending=False)

    return selected_stocks.index.tolist()

综合考虑技术面和基本面，对于股票的振幅、反包状况和收益率三项指标做出了要求，筛选出符合标准的股票，提高投资收益的波动性。同时，建议在选股过程中综合考虑多种因素，包括行业趋势、资金流向、公司财务等因素，减小选股风险。在风险控制方面，建议加强细化风险控制措施，如适时设立止损等操作措施，提升投资稳健性。

    ## 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、收益＞0_