(supermind)振幅大于1、开盘价在十日线左右、昨日非涨停板_

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、昨日非涨停板的股票。该策略旨在找到具有较大波动性、正在回调、回调幅度不大的股票。

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. 找到昨日非涨停板的股票，避免买入高位高估的股票。

有何风险？

1. 没有考虑股票的基本面因素，可能会选择一些质量较差的股票；
2. 只依赖于短期波动和涨跌情况，选股的波动风险较高。

如何优化？

1. 加入基本面因素，如财务状况、行业前景等；
2. 建立更严格的风控策略，降低选股风险。

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、昨日非涨停板的股票，同时加入基本面因素和更完善的风控策略，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)

# 判断昨日非涨停板
pct_chg_non_limit = REF(PCTCHG, 2)
picks_non_limit = IF(pct_chg_non_limit < 9.8, 1, 0)

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

# 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())

# 判断昨日非涨停板
df['pct_chg_non_limit'] = df['pct_chg'].shift(2)
df['picks_non_limit'] = df['pct_chg_non_limit'] < 9.8
picks_non_limit = set(df[df['picks_non_limit']]['ts_code'].tolist())

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

# 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)