(supermind)振幅大于1、开盘价在十日线左右、饮料酒进出口_

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、饮料酒进出口。该策略旨在寻找短期内波动较大、处于调整期的饮料酒进出口行业股票。

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. 选择饮料酒进出口行业限定选股范围。

有何风险？

1. 行业选择过于狭窄，有可能忽略其他潜在热点板块或股票；
2. 如果饮料酒进出口行业整体走势不佳，可能会遭受较大的风险。

如何优化？

1. 在保证行业选择的前提下，考虑增加其他技术指标和基本面因素，如成交量、市盈率、市净率等指标；
2. 定期关注饮料酒进出口行业的政策以及整体行业趋势，及时调整选股策略。

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、饮料酒进出口。该策略旨在寻找短期内波动较大、处于调整期的饮料酒进出口行业股票，同时在保证行业选择的前提下，关注其他技术指标和基本面因素。

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)

# 行业选择
in_industry = ININDUSTRY('881015009', 1) # 饮料酒进出口行业
picks_industry = IF(in_industry, 1, 0)

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

# 行业选择
in_industry = set(df[df['industry'] == '饮料制造']['ts_code'].tolist())
picks_industry = set(df[df['ts_code'].isin(in_industry)]['ts_code'].tolist())

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

# 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)