(supermind)振幅大于1、开盘价在十日线左右、底部抬高_

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、底部抬高。该策略旨在挑选出波动较大、市场相对稳定、并且在底部有反弹信号的股票标的。

选股逻辑分析

1. 振幅大于1表明该股票波动较大，有高收益的可能性；
2. 开盘价在十日均线左右说明该股票的市场态势相对稳定；
3. 底部抬高说明该股票在底部构筑了支撑位并且有一定的反弹信号。

有何风险？

1. 底部抬高不一定代表反弹，存在价格下跌的风险；
2. 过于依赖技术面，可能忽略了其他因素对股票的影响；
3. 盲目跟从底部抬高的股票可能会导致亏损。

如何优化？

1. 在选股时需要结合多方面因素进行综合考虑，如财务数据、市场表现等，提高选股准确性；
2. 加强对基本面和确定性的考虑；
3. 进行定期复盘，及时发现问题并优化调整。

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、底部抬高。在选股时需要综合考虑多方面因素进行筛选。

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);
amp = 100 * (high - low) / close;
picks_amplitude = IF(amp > 1, 1, 0);

#计算十日平均线
ma10 = MA(CLOSE, 10);
picks_ma10 = IF((OPEN > ma10 * 0.95) & (OPEN < ma10 * 1.05), 1, 0);

#计算底部抬高，未抬高且底部扎实，可用MACD，因变化中规中矩，用KDJ
low_1 = LLV(LOW, 7);
picks_low_1 = IF(LOW <= low_1 AND REF(LOW, 1) <= REF(low_1, 1), 1, 0);
low_2 = LLV(LOW, 14);
picks_low_2 = IF(LOW <= low_2 AND REF(LOW, 1) <= REF(low_2, 1), 1, 0);
low_3 = LLV(LOW, 21);
picks_low_3 = IF(LOW <= low_3 AND REF(LOW, 1) <= REF(low_3, 1), 1, 0);
picks_kdj = IF(picks_low_1 OR picks_low_2 OR picks_low_3, 1, 0);
picks_stock = picks_amplitude * picks_ma10 * picks_kdj;
WriteIf(picks_stock, picks_stock, 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())

#计算十日平均线
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)

#计算底部抬高
low_1 = df['low'].rolling(7).min()
picks_low_1 = ((df['low'] <= low_1) & (df['low'].shift(1) <= low_1.shift(1))).apply(lambda x: True if x else False)
low_2 = df['low'].rolling(14).min()
picks_low_2 = ((df['low'] <= low_2) & (df['low'].shift(1) <= low_2.shift(1))).apply(lambda x: True if x else False)
low_3 = df['low'].rolling(21).min()
picks_low_3 = ((df['low'] <= low_3) & (df['low'].shift(1) <= low_3.shift(1))).apply(lambda x: True if x else False)
df['picks_kdj'] = (picks_low_1 | picks_low_2 | picks_low_3).apply(lambda x: True if x else False)

#输出选股结果
picks_stock = set(df[df['picks_ma10'] & df['picks_kdj']]['ts_code'].tolist()) & picks_amplitude
print(picks_stock)

    ## 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)