(supermind)振幅大于1、昨天3连板、周K线上穿30周线

问财量化选股策略逻辑

选股逻辑：振幅大于1、昨天有3连板、周K线上穿30周线。

选股逻辑分析

该选股逻辑通过技术面和市场情况，筛选具有一定波动性且即将向上突破的个股，主要采用振幅大于1、昨天有3连板和周K线上穿30周线这些指标进行筛选。该策略的优点是具有较强的操作性及判断未来走势的能力，缺点在于未考虑基本面数据，增加了投资的风险。

有何风险？

以下是该选股策略的存在的风险：

存在发股票价格波动不确定性时，多次交易可能导致投入亏损；
未考虑公司基本面可能导致选择的股票业绩不佳；
在市场持续下跌的情况下，筛选的好的股票也有可能下跌。

如何优化？

为了降低风险，我们可考虑以下优化：

补充基本面数据，以更全面的视角进行股票筛选；
在筛选过程中加入其他技术指标，以减小单一指标的选择风险；
在买入前需要对股票的走势进行观察，确认其是否适合当前市场趋势。

最终的选股逻辑

改进后的选股逻辑如下：

挑选振幅大于1、昨日有3连板的股票；
在以上的选股条件下，挑选周K线上穿30周线的股票；
在考虑选股条件的时候，优先挑选盈利上升、股价稳定的蓝筹股。

同花顺指标公式代码参考

该选股逻辑的通达信指标公式如下：

C := (HIGH - LOW)/REF(CLOSE, 1);
C1 := C > 1;
C2 := (REF(C, 1) > REF(C, 2)) AND (REF(C, 2) > REF(C, 3)) AND (REF(C, 3) > REF(C, 4));
C3 := CROSS(MA(CLOSE, 30), CLOSE);
SELECTOR := C1 AND C2 AND C3;

python代码参考

import pandas as pd
from tqsdk import TqApi, TqAuth

api = TqApi(auth=TqAuth("YOUR_ACCOUNT", "YOUR_PASSWORD"))

klines = api.get_kline_serial("SHFE.rb2101", 7 * 24 * 60 * 60, data_length=300) # 取得 df 数据，周期为周K线
df = pd.DataFrame(klines)

C1 = (df['high'] - df['low'] >= 1)
C2 = df.groupby('contract.symbol')['close'].apply(lambda x: (x.shift(1) > x.shift(2)) & \
                                                             (x.shift(2) > x.shift(3)) & \
                                                             (x.shift(3) > x.shift(4))).astype(int)
C3 = df['close'].rolling(window=30).mean() < df['close']
C4 = C3.shift(1)
C5 = C4 == False
selector = (C1 & C2 & C5).astype(int)
result = df[selector == 1].sort_values('amount', ascending=False).index.tolist()

    ## 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、昨天3连板、周K线上穿30周线_