(supermind)振幅大于1、昨天龙虎榜、买一量_卖一量_

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一量大于卖一量的股票，选取这些股票作为投资对象。此策略旨在挖掘短期内资金异动因素相结合的股票，期望获得高短期收益。

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，有更高的短期收益可能性；
2. 昨天出现在龙虎榜上且买一量大于卖一量，表明存在资金异动，可以提高进入和退出股票的速度，增加短期收益；

有何风险？

1. 行业走势变化或整体市场风险都可能影响策略效果；
2. 只考虑买一量大于卖一量，可能忽略其它关键因素。

如何优化？

1. 可以引入其它因素进行综合考量，包括整体宏观经济形势等；
2. 细分行业考虑，提高选股的准确性。

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一量大于卖一量的股票，结合多个因素进行分析，以增强策略的稳定性和准确性。

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一量大于卖一量
lhb = LHB
yesterday_lhb = REF(lhb, 1)
picks_lhb = IF(yesterday_lhb['buy'] > yesterday_lhb['sell'], 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_lhb
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一量大于卖一量
lhb_data = pro.top_list(trade_date='20211008')
lhb_data.set_index('ts_code', inplace=True)
picks_lhb = lhb_data[lhb_data['buy'] > lhb_data['sell']].index.tolist()

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