(supermind)振幅大于1、反包、竞价涨幅＞-2＜5

问财量化选股策略逻辑

选股逻辑：振幅大于1，反包，竞价涨幅大于-2小于5。

选股逻辑分析

该选股逻辑主要基于行情波动和竞价涨幅进行筛选，具有较高的实用性和可靠性。但是该选股逻辑忽略了公司基本面因素，可能存在一定的风险。

有何风险？

选股策略忽略了公司的基本面情况，只有行情和竞价涨幅方面的条件。过度关注市场行情变化可能忽略了某些关键因素，带来一些风险。同时，在特殊的市场环境下，过度依赖行情波动和竞价涨幅的选股逻辑可能会导致失败。

如何优化？

可以根据需要合理调整选股策略中的参数，并引入其它指标作为补充来进行优化，如技术指标、基本面数据和市场宏观数据等，提高模型的预测准确度。另外，可采用机器学习等方法，结合大量历史数据，构建出更加精确的选股模型。

最终的选股逻辑

基于以上分析，我们提出改进后的股票筛选逻辑：

振幅大于1
反包出现
竞价涨幅大于-2%且小于5%

同花顺指标公式代码参考

以下是通达信指标的公式代码示例：

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:JIGE("竞价", "涨跌幅") > -2 AND JIGE("竞价", "涨跌幅") < 5;  // 竞价涨幅

FILTER:F01 AND F02 AND F03;
SYMBOL_SORT("热点板块", SORT_DESCEND);
SELECT(IF(F03， 1, 0), "诊股"); // 输出文本信息：选股

python代码参考

以下是用 Python 实现该策略的选股逻辑：

def stock_filter(dv, symbol):
    # 获取股票价格和成交量数据
    high = dv.get_ts("high", symbol=symbol)
    low = dv.get_ts("low", symbol=symbol)
    close = dv.get_ts("close", symbol=symbol)
    volume = dv.get_ts("volume", symbol=symbol)
    # 竞价涨幅
    jp_chg = dv.get_ts("jp_chg", symbol=symbol)

    selected_stocks = (high / low - 1 > 0.01) & (Ta('CDL2CROWS', 0, open, high, low, close) == 100) & (jp_chg > -2) & (jp_chg < 5)
    selected_stocks = selected_stocks[selected_stocks].sort_values(by="heat_rank", ascending=False)
    return selected_stocks.index.tolist()

选股逻辑中，我们从数据源取出股票数据并与各项条件进行比对，只筛选出符合要求的股票进行分析。\Ta('CDL2CROWS', 0, open, high, low, close) == 100 表示反包出现，jp_chg > -2，jp_chg < 5分别表示竞价涨幅大于-2小于5，最后将结果排序并选取排名靠前的股票进行分析。

    ## 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、竞价涨幅＞-2＜5_