(supermind)振幅大于1、昨天龙虎榜、昨日主力控盘_

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的股票，并且昨日主力控盘。通过综合分析股票的波动性、机构关注度和走势特征进行选股，找到具有较高涨幅潜力的标的。

选股逻辑分析

1. 振幅大于1表明短期内波动较大，可能存在较大的投资机会；
2. 龙虎榜单的股票通常具有短期市场炒作波动的可能性，可以作为固定收益（短线交易）的投资机会；
3. 主力控盘是指股票昨日主力集中当天成交量的情况，表现为股价不断下探却不能跌破昨日的最低价，这说明主力在股价下跌时出现了大量抄底。选取主力控盘的股票则意味着股票具有较高的机构关注度。
4. 综合以上三个指标可得出具有较高涨幅潜力的股票。

有何风险？

1. 选股后的回测模拟结果存在与实际投资收益的差距；
2. 通过回测得到的结果可能会受到地域、时间等因素的限制；
3. 该策略过度依赖短期市场情绪波动，可能存在较高的风险。

如何优化？

1. 可以结合其他基本面指标进行综合分析，如市盈率PE、市净率PB等，提高选股结果的准确性和可靠性；
2. 可以通过监测龙虎榜上的资金流向，验证其是否符合预测的趋向性；
3. 可以考虑加入更加可靠的技术指标，如KDJ、RSI等，进行更精细的选股策略。

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的股票，并且昨日主力控盘。通过综合分析股票的波动性、机构关注度和走势特征进行选股，以更全面、多角度的方式判断股票的价值和投资机会。

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

# 判断昨日主力控盘
up_ratio = ((HIGH - LOW) / LOW) * 100
ma20 = MA(CLOSE, 20)
ma5 = MA(CLOSE, 5)
is_controlled_by_speculator = IF((VOLUME > MA5 * 1.5) & (up_ratio < 10) & (REF(CLOSE, 1) < ma20) & (CLOSE > ma20), 1, 0)
picks_controlled_by_speculator = IF(is_controlled_by_speculator == 1, 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_controlled_by_speculator
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', fields='ts_code')
yesterday_lhb = lhb_data['ts_code'].tolist()
picks_lhb = set(yesterday_lhb)

# 判断昨日主力控盘
df['up_ratio'] = ((df['high'] - df['low']) / df['low']) * 100
df['ma20'] = df['close'].rolling(20).mean()
df['ma5'] = df['close'].rolling(5).mean()
is_controlled_by_speculator = ((df['volume'] > df['ma5'] * 1.5) & (df['up_ratio'] < 10) & (df['close'].shift() < df['ma20'].shift()) & (df['close'] > df['ma20'])).astype(int)
picks_controlled_by_speculator = df[df['is_controlled_by_speculator'] == 1].index.tolist()

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