(supermind)振幅大于1、底部抬高、高点为两日最高

问财量化选股策略逻辑

选股逻辑：振幅大于1，底部抬高，高点为两日最高。

选股逻辑分析

该选股策略结合了技术指标和基本面数据，根据振幅大于1和底部抬高等技术指标筛选出市场中走势比较稳定、有上涨潜力的个股，并要求高点为两日最高，更有利于选出市场中处在上升趋势中的个股，以获得更好的收益。

有何风险？

该选股策略容易受到市场整体行情的影响，当市场出现较大的波动或调整时，该策略可能会选出的个股表现不如其他策略。另外，该策略忽略了一些基本面因素等其他因素对于股票表现的影响，因此需要加入更多的因素以提高选股的准确性和稳定性。

如何优化？

在该选股策略的基础上，我们可以加入其他的技术指标或基本面数据，如涨跌幅、市盈率等，以进一步提升选股策略的准确性和稳定性。此外，可以采用技术分析、深度学习等方法优化选股策略，以提高精度和效率。

最终的选股逻辑

在分析和优化该选股策略后，我们可以得出最终的选股逻辑：

振幅大于1；
底部抬高；
两日内高点为最高；
止损条件：当股价低于60日简单移动平均线时，自动卖出。

同花顺指标公式代码参考

以下是在同花顺上实现该选股策略的指标公式代码：

C1:AMP()>1;
C2:BOTTOM(HIGH,C1)>BOTTOM(HIGH,C1+1);
C3:(HIGH=REF(MAX(HIGH,2),1));
C4:CLOSE>MA(CLOSE,60);
SELECTOR:=C1 AND C2 AND C3 AND C4; 
RESULT:=SELECTOR;

Python代码参考

以下是Python实现该选股策略的选股逻辑的代码：

from stockstats import StockDataFrame

# 将数据转换为 StockDataFrame
sdf = StockDataFrame.retype(df)

# 选取振幅大于1，底部抬高，高点为两日最高的股票
selected_stocks = (sdf['amp'] > 1) & \
                  (sdf['high'].rolling(window=C1).apply(lambda x: (np.argmin(x[-C1:]) == C1 - 1) and (np.argmin(x[:-C1]) > np.argmin(x[-C1:])), raw=False)) & \
                  (sdf['high'] == sdf['high'].rolling(window=2).max())

# 加入止损条件
selected_stocks = selected_stocks & (sdf['close'] > sdf['close'].rolling(window=60).mean())

# 返回选中个股的代码
return selected_stocks['code'].tolist()

通过在Python中实现该选股逻辑，可以更加灵活地结合各种技术指标和基本面数据进行调整和智能化筛选，同时也可以利用机器学习等技术进一步优化算法，以获得更好的选股效果。

    ## 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、底部抬高、高点为两日最高_