(supermind)振幅大于1、昨天3连板、酷特智能早晨之星

问财量化选股策略逻辑

选股逻辑：振幅大于1，昨天3连板，酷特智能早晨之星。

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；
酷特智能早晨之星指标是技术分析中的“看涨”信号，可以判断股票即将走高。

有何风险？

该选股策略存在以下风险：

市场行情高度不确定，技术分析指标的有效性会受到影响；
酷特智能早晨之星是一种较短期的指标，过度依赖该指标可能导致错失长期涨势；
不同的选股指标存在交叉，选股结果可能被过度筛选。

如何优化？

为了优化该选股逻辑，可以考虑以下方案：

结合基本面因素进行综合考量，例如市净率、市盈率等；
考虑不同时间段内的技术分析指标，并结合形态理论；
结合其他形态分析指标进行综合应用，例如酷特智能黄昏之星等。

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；
酷特智能早晨之星；
60日均线上穿120日均线；
最近一个季度净利润同比增长率大于20%。

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：

MA(C, 60) > MA(C, 120) AND
ABS(HIGH-LOW) / REF(C, 1) >= 0.01 AND
REF(C >= REF(C, 1) * 1.08, 1) = 1 AND
SUM(IF(REF(C, 2) < REF(O, 2) AND REF(C, 1) > REF(O, 1) AND O < C, 1, 0), 3) = 1

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)

    ma60 = df['close'].rolling(window=60).mean()
    ma120 = df['close'].rolling(window=120).mean()
    C1 = (ma60.iloc[-1] > ma120.iloc[-1])
    
    C2 = (df['high'] - df['low'] >= 0.01 * df['close'].shift(1))
    C3 = (df['pct_chg'].rolling(window=3).sum() == 0.09 * 3)
    C4 = (pd.concat([df['close'], df['open']], axis=1).apply(lambda x: x.tolist(), axis=1).rolling(window=3).apply(lambda x: x[1] > x[0] and x[2] < x[1] and x[2] < x[0]).sum() == 1)
    C5 = (df['net_profit']['t-1'] / df['net_profit']['t-5'] >= 1.2)

    selector = (C1 & C2 & C3 & C4 & C5).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、酷特智能早晨之星_