(supermind)振幅大于1、开盘价在十日线左右、归属母公司股东的净利润(同比增长率)

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、归属母公司股东的净利润(同比增长率)大于20%小于等于100%。该策略旨在寻找技术面和基本面均较为优秀的股票。

选股逻辑分析

1. 振幅大于1表明短期内波动较大；
2. 开盘价在十日均线左右说明股票处于调整期；
3. 归属母公司股东的净利润(同比增长率)大于20%小于等于100%，显示公司盈利能力较优秀，具有较好的投资价值。

有何风险？

1. 忽略其他公司基本面因素，可能选出潜在标的不佳的股票；
2. 只关注净利润增长率，可能会忽略一些隐藏的公司问题，导致遭受较大风险。

如何优化？

1. 在保证基本面因素的前提下，结合技术指标分析；
2. 建立起风险控制机制，限制单只股票持仓比例，及时止亏止损。

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、归属母公司股东的净利润(同比增长率)大于20%小于等于100%。该策略旨在寻找技术面和基本面均较为优秀的股票，并在保证基本面因素的前提下，结合技术分析进行选择。

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)

# 判断归属母公司股东的净利润(同比增长率)大于20%小于等于100%
net_profit_parent_company_growth_rate = (TTM(NPARENTCOMP - NPARENTCOMP[-4])/ABS(TTM(NPARENTCOMP - NPARENTCOMP[-4], 4)))*100
picks_net_profit = IF((net_profit_parent_company_growth_rate > 20) & (net_profit_parent_company_growth_rate <= 100), 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_ma10 * picks_net_profit
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())

# 判断归属母公司股东的净利润(同比增长率)大于20%小于等于100%
periods = 4
df['net_profit_parent_company_growth_rate'] = 100 * (df['n_parent_company_owners'] - df['n_parent_company_owners'].shift(periods)) / np.abs(df['n_parent_company_owners'].rolling(periods).apply(lambda x: x[-1] - x[0], raw=True))
df['picks_net_profit'] = ((df['net_profit_parent_company_growth_rate'] > 20) & (df['net_profit_parent_company_growth_rate'] <= 100)).apply(lambda x: True if x else False)
picks_net_profit = set(df[df['picks_net_profit']]['ts_code'].tolist())

# 选取符合条件的股票
picks = picks_amplitude & picks_ma10 & picks_net_profit

# 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)