(supermind)振幅大于1、昨天龙虎榜、2021年_

问财量化选股策略逻辑

选股逻辑为振幅大于1、昨天出现在龙虎榜上且股票上市时间在2021年之后。此策略选股的关键在于选择波动较大、市场情绪好的新股。

选股逻辑分析

1. 振幅大于1表明短期内波动较大，具有投资机会；
2. 昨天出现在龙虎榜上的股票通常意味着市场情绪好，有一定的短期涨幅；
3. 选择上市时间在2021年之后的股票，可以选择年轻的、成长性较强的股票，市场对其有热情。

有何风险？

1. 新股市场较为波动，价格波动较大，投资风险也相应较大；
2. 龙虎榜数据仅代表一天的交易数据，不能完全反映股票总体情况；
3. 新股发行时，机构和大股东持股较多，可能存在锁定期及其它限制，导致流通性较差。

如何优化？

1. 选择更有成长性、更有潜力的新股；
2. 关注龙虎榜的多维数据，如融资净买入等，从多个角度观察股票的市场情况；
3. 选择具备流通性较好的新股。

最终的选股逻辑

选股逻辑为振幅大于1、昨天出现在龙虎榜上且股票上市时间在2021年之后。此策略选股的关键在于选择波动较大、市场情绪好的新股。

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)

# 判断股票上市时间是否在2021年之后
start_date = '20210101'
picks_time = IF(DATE >= start_date, 1, 0)

# 判断昨天是否出现在龙虎榜上
lhb_data = LHB
yesterday_lhb = REF(lhb_data['buy'] + lhb_data['sell'], 1)
picks_lhb = IF(yesterday_lhb > 0, 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_time * picks_lhb
picks_final = SortBy(picks, CLOSE, 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())

# 判断股票上市时间是否在2021年之后
start_date = '20210101'
list_date = pro.stock_basic(exchange='', list_status='L', fields='ts_code,list_date')['list_date']
new_stock_code = list_date[list_date > start_date].index.tolist()

# 判断昨天是否出现在龙虎榜上
lhb_data = pro.top_list(trade_date='20211008', fields='ts_code')
yesterday_lhb = set(lhb_data['ts_code'].tolist())

# 选取符合条件的股票
picks = set(picks_amplitude) & set(new_stock_code) & set(yesterday_lhb)

# 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)