(supermind)振幅大于1、开盘价在十日线左右、PE_0_

问财量化选股策略逻辑

选股逻辑为振幅大于1、开盘价在十日均线左右、PE大于0的股票。该策略旨在寻找处于调整期但基本面较好的、有望上涨的个股。

选股逻辑分析

1. 振幅大于1表示变化较大，有望出现新的趋势；
2. 开盘价在十日均线左右说明股票正处于调整期；
3. PE大于0表示公司盈利且股票有投资价值。

有何风险？

1. 只是从基本面和技术面考虑，没有考虑行业前景等因素；
2. 可能存在雷区股票，如质量不高的公司或造假公司。

如何优化？

1. 可以加入更多的基本面指标，如市净率、净利润增长率等；
2. 结合行业前景分析，找到具备行业龙头特征的个股；
3. 定期筛查公司质量和投资价值，排除那些财务造假或经营不善的公司。

最终的选股逻辑

选股逻辑为振幅大于1、开盘价在十日均线左右、PE大于0的股票，同时加入市净率、净利润增长率等基本面指标和行业前景分析，以综合考虑多方面的因素。

同花顺指标公式代码参考

# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)

# 判断开盘价在十日均线左右
ma10 = MA(CLOSE, 10)
picks_ma10 = IF((OPEN > ma10 * 0.95) & (OPEN < ma10 * 1.05), 1, 0)

# 判断PE大于0
pe = REF(PE, 1)
picks_pe = IF(pe > 0, 1, 0)

# 选取符合条件的股票
picks_final = picks_amplitude * picks_ma10 * picks_pe

# 输出选股结果
WriteIf(picks_final, picks_final, 0)

python代码参考

# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = set(df[df['amplitude'] > 1]['ts_code'].tolist())

# 判断开盘价在十日均线左右
ma10 = df['close'].rolling(10).mean()
df['picks_ma10'] = ((df['open'] > ma10*0.95) & (df['open'] < ma10*1.05)).apply(lambda x: True if x else False)
picks_ma10 = set(df[df['picks_ma10']]['ts_code'].tolist())

# 判断PE大于0
df['picks_pe'] = (df['pe'] > 0).apply(lambda x: True if x else False)
picks_pe = set(df[df['picks_pe']]['ts_code'].tolist())

# 选取符合条件的股票
picks_final = picks_amplitude & picks_ma10 & picks_pe

# 输出选股结果
print(picks_final)

    ## 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)