(supermind)振幅大于1、昨天3连板、非科创

问财量化选股策略逻辑

选股逻辑：振幅大于1、昨天3连板、非科创。

选股逻辑分析

该选股策略以振幅、连板和板块概念为基础，振幅大于1显示出波动性较大，连续3个交易日上涨表明市场热门，而非科创板则是为了过滤行业超跌。

选择此选股策略的股票，有望获得高风险高回报的投资机会和投资者关注的市场热门。

有何风险？

该选股策略可能存在以下风险：

选股逻辑简单，重点关注股票价格变化过程中的重要特征；
忽略了市场需求和公司基本面等长期因素。

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：

加入板块的概念和基本面分析，以获得更佳的投资机会；
加入资金流动性指标以检查投资者的情绪；
多种概念和指标监控能帮助提高选股的准确度。

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：

选择振幅大于1，昨天有3连板的股票；
排除科创板股票；
结合基本面和资金分析，确认股票的投资价值；
确认股票处于主升趋势中，并且强度较强的情况下，再次筛选潜在投资机会。

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(MARKET != "创业板" AND MARKET != "科创板", 1, 0);
C4: IF(C1 AND C2 AND C3, 1, 0);
SELECTOR: C4;
RESULT: SELECTOR;

其中MARKET指股票所在的板块。

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['market'] != "创业板") & (df['market'] != "科创板"))

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)

(supermind)振幅大于1、昨天3连板、非科创_