(supermind)振幅大于1、昨天3连板、换手率3%-12%_

问财量化选股策略逻辑

选股逻辑：振幅大于1,昨天3连板,换手率3%-12%。

选股逻辑分析

该选股策略主要依据股票的波动性、市场热点和活跃度来选取有较大上涨潜力的股票，其中振幅大于1、昨日3连板和换手率3%-12%可以代表股票的波动性、市场热点和活跃度。

有何风险？

该选股逻辑可能存在以下风险：

1. 过度关注股票的活跃度，有可能忽略了股票的基本面和估值等重要因素；
2. 可能出现短线热点，而非真正的投资机会；
3. 选择范围太窄，可能会忽略其他有潜力的股票。

如何优化？

为了降低风险并优化选股策略，可以尝试以下优化：

1. 考虑股票的基本面和行业特点、市场走势等因素，得到更全面的分析；
2. 结合技术指标如MACD、KDJ等对股票趋势进行判断；
3. 设置更灵活的条件，如加入量比、资金流向等因素。

最终的选股逻辑

根据以上分析和优化，可以得到以下完善的选股逻辑：

1. 挑选振幅大于1且昨日有3连板的股票；
2. 结合技术指标如MACD、KDJ等分析股票趋势；
3. 设置换手率3%-12%，结合其他因素再次筛选。

同花顺指标公式代码参考

C1: IF((HIGH - LOW >= 1), 1, 0);
C2: IF((LASTDAY(HIGH>LASTDAY(CLOSE,1)) AND LASTDAY(HIGH>LASTDAY(CLOSE,2)) AND LASTDAY(HIGH>LASTDAY(CLOSE,3))), 1, 0);  // 昨日3连板
C3: IF((TURNOVER >= 0.03 AND TURNOVER <= 0.12), 1, 0);
C4: IF(C1 AND C2 AND C3, 1, 0);
SELECTOR: C4;
RESULT: SELECTOR;

python代码参考

import pandas as pd
from tqsdk import TqApi

api = TqApi()

klines = api.get_kline_serial("SHFE.rb2101", 24 * 60 * 60, data_length=300)
df = pd.DataFrame(klines)

C1 = (df['high'] - df['low'] >= 1)

def check_limit_up(x):
    return ((x.shift(1) > x.shift(2)) & \
            (x.shift(2) > x.shift(3)) & \
            (x.shift(3) > x.shift(4))).all()

C2 = df.groupby('contract.symbol')['close'].apply(check_limit_up)

C3 = ((df['amount'] / df['volume']) >= 0.03) & ((df['amount'] / df['volume']) <= 0.12)

selector = (C1 & C2 & C3).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)