(supermind)振幅大于1、昨天龙虎榜、归属母公司股东的净利润(同比增长率)大于20

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、且归属母公司股东的净利润同比增长率大于20%小于等于100%的股票。此策略旨在挖掘稳健增长的股票，期望获得相对稳定的投资回报。

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表明存在资金异动；
3. 归属母公司股东的净利润同比增长率，能反映企业的盈利情况，增长率大于20%至100%之间，说明企业稳健增长。

有何风险？

1. 行情反转或整体市场风险的影响；
2. 没有考虑到公司的财务风险、商业模式等因素，存在割裂的可能。

如何优化？

1. 引入其它的指标综合考虑，如动态市盈率、股息率等；
2. 关注公司的商业模式、产品竞争力、市场份额等，更准确地评估公司的长期发展潜力。

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、且归属母公司股东的净利润同比增长率大于20%小于等于100%的股票，结合多个因素进行分析，以增强策略的准确性和稳定性。

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
lhb = LHB
yesterday_lhb = REF(lhb, 1)
picks_lhb = IF(yesterday_lhb['buy'] + yesterday_lhb['sell'] > 0, 1, 0)

# 判断归属母公司股东的净利润同比增长率
np_parent_company_owners = NP_PARENT_COMPANY_OWNERS
np_parent_company_owners_growth = REF(np_parent_company_owners, 1) / np_parent_company_owners - 1
picks_np_growth = IF(np_parent_company_owners_growth > 0.2 AND np_parent_company_owners_growth <= 1, 1, 0)

picks = picks_amplitude * picks_lhb * picks_np_growth
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
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']) > 0].index.tolist()

# 判断归属母公司股东的净利润同比增长率
income_data = pro.income(ts_code='', start_date='20200101', end_date='20210930', fields='ts_code,ann_date,end_date,np_parent_company_owners')
income_data = income_data[income_data['end_date'] == '20210630']
income_data.set_index('ts_code', inplace=True)
income_data.fillna(0, inplace=True)
income_data['np_parent_company_owners_growth'] = income_data['np_parent_company_owners'].pct_change(periods=4)
picks_np_growth = income_data[(income_data['np_parent_company_owners_growth'] > 0.2) & (income_data['np_parent_company_owners_growth'] <= 1)].index.tolist()

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