(supermind)振幅大于1、昨天龙虎榜、2021年营收除2018年营收大于1

问财量化选股策略逻辑

选股逻辑为振幅大于1、昨天出现在龙虎榜单上且买入额大于卖出额的股票，且2021年营收/2018年营收大于1.1，选取这些股票作为投资对象。此策略旨在选出波动较大、存在资金异动、具有成长性的股票，期望获得长期收益。

选股逻辑分析

1. 指定振幅大于1可以筛选出波动较大的股票，较利于短期操作；
2. 昨天出现在龙虎榜上且买入额大于卖出额，表明存在资金异动，可以优先考虑涨势和换手率，增加短期收益机会；
3. 2021年营收/2018年营收大于1.1，表示公司具有成长性，可以考虑从长期价值出发，挖掘潜在收益。

有何风险？

1. 成长性股票的业绩增长不如预期，投资风险较大；
2. 短期选股策略容易受市场波动影响，风险较高。

如何优化？

1. 结合其他财务指标如净利润增长、市盈率等指标进行选股，从多个角度分析股票成长性和估值状况，以提高选股策略的稳定性和准确性；
2. 考虑加入板块和行业因素，从长中短期的不同角度筛选股票。

最终的选股逻辑

选股逻辑为振幅大于1、昨天出现在龙虎榜单上且买入额大于卖出额的股票，且2021年营收/2018年营收大于1.1，结合多个财务指标和板块/行业因素进行综合分析，以获得长期收益。

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)

# 判断昨天是否出现在龙虎榜上且买入额大于卖出额
lhb = LHB
yesterday_lhb = REF(lhb, 1)
picks_lhb = IF(yesterday_lhb['buy_amount'] > yesterday_lhb['sell_amount'], 1, 0)

# 计算2021年和2018年营收比值
sales_2018 = pubDate('20180430')/pubDate('20171231')*OP
sales_2021 = pubDate('20210430')/pubDate('20201231')*OP
picks_sales = IF(sales_2021 / sales_2018 > 1.1, 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_sales
picks_final = SortBy(picks, C, 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 = df[df['amplitude'] > 1].index.tolist()

# 判断昨天是否出现在龙虎榜上且买入额大于卖出额
lhb_data = pro.top_list(trade_date='20211008')
lhb_data.set_index('ts_code', inplace=True)
picks_lhb = lhb_data[lhb_data['buy_amount'] > lhb_data['sell_amount']].index.tolist()

# 计算2021年和2018年营收比值
fin_data = pro.fina_indicator(ts_code='', start_date='20180101', end_date='20211231')
fin_data.set_index('ts_code', inplace=True)
sales_2018 = fin_data.loc[picks_amplitude + picks_lhb]['total_revenue'].loc[:, '2018'].dropna()
sales_2021 = fin_data.loc[picks_amplitude + picks_lhb]['total_revenue'].loc[:, '2021'].dropna()
picks_sales = sales_2021[sales_2021 / sales_2018 > 1.1].index.tolist()

# 选取符合条件的股票
picks = set(picks_amplitude) & set(picks_lhb) & set(picks_sales)
picks_final = df.loc[picks].sort_values(by='close', ascending=False)['ts_code'].tolist()

# 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)