(supermind)振幅大于1、开盘价在十日线左右、三个技术指标同时金叉_

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、三个技术指标（例如MACD、RSI、KDJ等）同时出现金叉信号。该策略旨在寻找处于技术面上比较强势的股票。

选股逻辑分析

1. 振幅大于1说明短期内波动较大；
2. 开盘价在十日均线左右说明股票处于调整期；
3. 三个技术指标同时出现金叉信号说明股票处于技术面上比较强势。

有何风险？

1. 选股逻辑只考虑了技术指标，忽略了股票的基本面因素；
2. 可能存在个别异常波动的情况，导致选出的股票不稳定；
3. 三个技术指标都出现金叉信号并不能保证股票上涨，只能说明股票处于技术面上比较强势。

如何优化？

1. 增加股票基本面因素的考虑，以综合考虑股票的价值和潜力；
2. 设定更为严格的风险控制策略；
3. 将选股逻辑与其他技术指标相结合，提高选股精度。

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、三个技术指标同时出现金叉信号。该策略旨在寻找处于技术面上比较强势且具备较高潜力的股票，但需要加强对风险的控制和基本面因素的考虑。

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)

# 判断三个技术指标同时出现金叉信号
macd_dif, macd_dea, macd_hist = MACD(CLOSE)
picks_macd = IF((macd_dif > macd_dea) & (REF(macd_dif, 1) < REF(macd_dea, 1)), 1, 0)
rsi6 = RSI(CLOSE, 6)
picks_rsi = IF((rsi6 > 50) & (REF(rsi6, 1) < 50), 1, 0)
kdj_k, kdj_d, kdj_j = KDJ(HIGH, LOW, CLOSE, 9, 3, 3)
picks_kdj = IF((kdj_k > kdj_d) & (REF(kdj_k, 1) < REF(kdj_d, 1)), 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_ma10 * picks_macd * picks_rsi * picks_kdj
picks_final = SortBy(picks, VOL, descending=True)

# 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())

# 判断三个技术指标同时出现金叉信号
macd_dif, macd_dea, macd_hist = talib.MACD(df['close'])
df['picks_macd'] = ((macd_dif > macd_dea) & (macd_dif.shift() < macd_dea.shift())).apply(lambda x: True if x else False)
picks_macd = set(df[df['picks_macd']]['ts_code'].tolist())

rsi6 = talib.RSI(df['close'], timeperiod=6)
df['picks_rsi'] = ((rsi6 > 50) & (rsi6.shift() < 50)).apply(lambda x: True if x else False)
picks_rsi = set(df[df['picks_rsi']]['ts_code'].tolist())

kdj_k, kdj_d, kdj_j = talib.STOCH(df['high'], df['low'], df['close'], fastk_period=9, slowk_period=3, slowd_period=3)
df['picks_kdj'] = ((kdj_k > kdj_d) & (kdj_k.shift() < kdj_d.shift())).apply(lambda x: True if x else False)
picks_kdj = set(df[df['picks_kdj']]['ts_code'].tolist())

# 选取符合条件的股票
picks = picks_amplitude & picks_ma10 & picks_macd & picks_rsi & picks_kdj

# 输出选股结果
print(picks)

    ## 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)