(supermind)振幅大于1、开盘价在十日线左右、上市大于_

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、上市大于某一个时间段的股票。该策略旨在找到短期内波动较大、处于上涨潜力的股票，并筛选出有一定历史时间的成熟企业。

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. 着重筛选上市年限较长的成熟企业，以筛选长期发展潜力较高的股票。

有何风险？

1. 上市时间无法代表企业质量，可能会漏过一些优质的新兴股票；
2. 依赖于短期波动和近期走势，选股的波动风险较高。

如何优化？

1. 除了上市时间以外，加入更多的长期指标，如公司基本面、财务状况等；
2. 加强风险控制能力，避免过度追涨杀跌。

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、上市年限较长的股票，并加入更多的长期指标与风控机制，以提高选股准确度和风险控制能力。

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)

# 判断上市年限
list_date = STR_TO_DATE(ListDate, '%Y%m%d')
picks_listed_time = IF(DATEDIFF(DATE, list_date) >= 365*5, 1, 0)

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

# 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())

# 判断上市年限
df['list_date'] = pd.to_datetime(df['list_date'], format='%Y%m%d')
df['picks_listed_time'] = (datetime.datetime.now() - df['list_date']) >= datetime.timedelta(days=365*5)
picks_listed_time = set(df[df['picks_listed_time']]['ts_code'].tolist())

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

# 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)