(supermind)振幅大于1、昨天3连板、未清偿可转债简称不可为空

问财量化选股策略逻辑

选股逻辑：振幅大于1，昨天3连板，未清偿可转债简称不可为空。

选股逻辑分析

该选股逻辑主要从以下几个方面考虑：

振幅大于1可以过滤出市场活跃的高热度标的；
昨天3连板可以反映出市场对该标的的买入热情；
未清偿可转债的不可为空，反映可以得到一定的收益。

有何风险？

该选股策略存在以下风险：

单一指标选股策略存在局限性，其他重要指标可能被忽略；
如果市场整体走势不明朗，短期内的个股表现难以准确预测；
未清偿可转债作为唯一筛选条件，可能放弃其他优秀标的。

如何优化？

为了优化该选股逻辑，可以考虑以下方案：

结合其他技术指标进行综合考虑，例如CCI、KD等；
考虑市场整体走势，如果整体偏向下跌，可以加入短空信号进行筛选；
未清偿可转债并不是绝对的参考因素，需要结合其他价值特征进行分析。

最终的选股逻辑

改进后的选股逻辑如下：

振幅大于1；
昨天3连板；
未清偿可转债简称不可为空；
CCI指标大于100。

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：

FILTER(ABS((HIGH-LOW)/REF(C,1))>=0.01
AND REF(C,1)<REF(C,2)
AND SNAME != ''
AND CCI()>100
AND MARKET = SH), 0)

python代码参考

import pandas as pd
from tqsdk import TqApi, TqAuth

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

symbol_list = ["SHFE.rb2101", "DCE.i2101"]

for symbol in symbol_list:
    klines = api.get_kline_serial(symbol, 24 * 60 * 60, data_length=500)
    df = pd.DataFrame(klines)

    C1 = (df['high'] - df['low'] >= 0.01 * df['close'].shift(1))
    C2 = (df['close'].shift(1) < df['close'].shift(2)) & (df['close'].shift(2) < df['close'].shift(3))
    C3 = (df['sname'] != '')
    C4 = (df['cci'] > 100)

    selector = (C1 & C2 & C3 & C4).astype(int)
    result = df[selector == 1].sort_values(by='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、未清偿可转债简称不可为空_