(supermind)振幅大于1、昨天龙虎榜、主升起动_

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、在主升通道内的股票。此策略旨在选出波动较大、存在资金异动并且处于主升趋势中的股票，以挖掘股票中长期的价值机会。

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. 利用技术分析指标，如均线、MACD等，判断股票是否处于主升通道内，以判断股票的中长期走势。

有何风险？

1. 由于主升通道的判断需要综合考虑股票的多个技术分析指标，容易受到价格波动的干扰；
2. 策略对时间窗口的依赖性较强，对于不同时间范围内的股票可能会产生不同的选股效果。

如何优化？

1. 可以加入其他技术分析指标，并结合历史数据比较不同时间窗口下的选股效果，以提高策略的稳定性和准确性；
2. 可以结合基本面分析，综合判断股票的内在价值和外部环境，以减少风险和提高收益。

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、处于主升通道内的股票，同时结合均线、MACD、KDJ等技术分析指标进行综合投资。

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)

# 判断是否处于主升通道内
ma20 = MA(CLOSE, 20)
ma60 = MA(CLOSE, 60)
ma120 = MA(CLOSE, 120)
up_band = 1.08 * ma20 - 0.08 * ma60
mid_band = 0.775 * ma60 + 0.225 * ma120
down_band = 1.08 * ma60 - 0.08 * ma20
picks_in_channel = IF(CLOSE > up_band, 1, 0) * IF(CLOSE > mid_band, 1, 0) * IF(CLOSE > down_band, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_lhb * picks_in_channel
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()

# 判断是否处于主升通道内
ma20 = df['close'].rolling(20).mean()
ma60 = df['close'].rolling(60).mean()
ma120 = df['close'].rolling(120).mean()
up_band = 1.08 * ma20 - 0.08 * ma60
mid_band = 0.775 * ma60 + 0.225 * ma120
down_band = 1.08 * ma60 - 0.08 * ma20
picks_in_channel = df[(df['close'] > up_band) & (df['close'] > mid_band) & (df['close'] > down_band)].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_in_channel))
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)