(supermind)振幅大于1、前25天有涨停、反包_

问财量化选股策略逻辑

选股逻辑为振幅大于1，前25天至少有1次涨停，反包。

选股逻辑分析

1. 振幅大于1表明该股票波动性较大，可能存在较大涨幅和收益；
2. 前25天至少有1次涨停的股票代表市场对该股票认可度较高，市场情绪可能较好；
3. 通过反包选择具有较高波幅和较强趋势的股票，有潜在机会获取更高的收益。

有何风险？

1. 选股结果基于历史数据，未必能够准确预测未来股票表现；
2. 反包策略的前提是市场存在较强的趋势，若市场波动较大或处于震荡行情，则市场趋势性较弱；
3. 操作复杂度较高，需要谨慎把握风险和回报的平衡。

如何优化？

1. 结合其他技术分析指标，如均线、动量指标等，进行综合分析和筛选，减少选股风险，考虑其他的行业和细化选股条件；
2. 加入基本面分析因素，如研究公司的财务报告和行业潜力等，以提高投资选择的准确性和风险控制水平；
3. 根据个人的风险偏好确定投资比例和止盈止损策略，控制交易成本和操作复杂度。

最终的选股逻辑

选取振幅大于1，前25天至少有1次涨停，反包进入待投资池。

同花顺指标公式代码参考

// 振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
// 前25天至少有1次涨停
COND2:=REF(HIGH=LOW AND HIGH/REF(CLOSE,1)>1.097, COUNT-1)>(COUNT-25);
// 反包
HH := HHV(HIGH,9);
LL := LLV(LOW,9);
HALF_BAND := (HH+LL)/2;
IS_JUMP := ((HALF_BAND<HALF_BAND[1] AND HALF_BAND>HALF_BAND[2])
         OR (HALF_BAND>HALF_BAND[1] AND HALF_BAND<HALF_BAND[2]));
COND3:=IS_JUMP;
// 综合条件
CONDITION:=COND1 AND COND2 AND COND3;
SIGNAL:=CHECKCOND(CONDITION, 1);

Python代码参考

import pandas as pd
import akshare as ak
from talib import abstract

def get_trade_data(stock_code):
    stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
    stock_df.rename(columns={"成交额":"amount","成交量":"volume","收盘价":"close","开盘价":"open","股票代码":"symbol","日期":"date","涨跌幅":"pct_change", "最高价":"high", "最低价":"low", "市盈率":"PE", "市净率":"PB", "振幅":"amplitude", "市值":"capital", "每股收益":"EPS", "流通市值":"circulated_capital"}, inplace=True)
    stock_df['date'] = pd.to_datetime(stock_df['date'])
    stock_df.sort_values("date", ascending=True, inplace=True)
    # 振幅大于1
    cond1 = (stock_df['high'] - stock_df['low']) / stock_df['low'] > 0.01
    # 前25天至少有1次涨停
    cond2 = (stock_df['high'] == stock_df['low']) & (stock_df['high'] / stock_df['close'].shift(1) > 1.097)
    cond2 = cond2.rolling(window=25, min_periods=1).sum() >= 1
    # 反包
    hh = abstract.MAX(stock_df, timeperiod=9, price='high')
    ll = abstract.MIN(stock_df, timeperiod=9, price='low')
    half_band = (hh+ll)/2
    is_jump = ((half_band<half_band.shift(1)) & (half_band>half_band.shift(2))) | ((half_band>half_band.shift(1)) & (half_band<half_band.shift(2)))
    is_jump = is_jump.replace(False, 0).replace(True, 1)
    cond3 = is_jump > 0
    # 综合条件
    basic_cond = cond1 & cond2 & cond3
    df = stock_df.loc[basic_cond].sort_values('close', ascending=False).reset_index(drop=True)
    return df

def select(df):
    return df

    ## 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)