(supermind)振幅大于1、昨天龙虎榜、macd零轴以上_

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、MACD零轴以上的股票。此策略旨在选出波动较大、存在一定的资金异动，并且处于上升趋势的股票，以此进行投资。

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；
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流入的情况，可能会对股票价格产生一定的影响；
3. MACD零轴以上是MACD指标的买入信号，表明当前股票正处于上升趋势，有望获得更高收益。

有何风险？

1. MACD指标并非完全可靠，存在误判的情况；
2. 过度追逐热门领域可能会使得选出来的股票过度集中，风险不均衡。

如何优化？

1. 除了MACD指标，还应该考虑其基本面及宏观面的分析，以减少风险；
2. 可以采用因子组合的方法，加入多个有效的选股因子使风险更加均衡。

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、MACD零轴以上的股票，同时结合基本面、宏观面分析等因素进行综合投资。

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MACD指标
dif, dea, macd = MACD(CLOSE)

# 判断MACD零轴以上
picks_macd = IF(macd > 0, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_lhb * picks_macd
picks_final = NLargest(n, picks, picks)

# 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MACD指标
dif, dea, macd = talib.MACD(df['close'].values)

# 判断MACD零轴以上
picks_macd = df[macd > 0].index.tolist()

# 取排名前n的股票
n = int(len(df) / 20)
picks = list(set(picks_amplitude) & set(picks_lhb) & set(picks_macd))
picks_final = df.loc[picks].sort_values(by='turnover_rate', ascending=False)[:n]['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)