(supermind)振幅大于1、昨天龙虎榜、集中度70_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的股票，集中度小于20%，且集中度排名处于前70%以内。通过结合技术面和基本面指标进行选股，找到具有长期投资价值的标的。

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. 集中度小于20%表明公司股权分散，决策过程相对更加透明；
4. 集中度排名处于前70%以内表明公司管理团队具有较强的管理能力；
5. 综合以上指标可得出具有较高收益潜力和较低风险的股票。

有何风险？

1. 选股逻辑可能过于细分，导致可选标的数量过少；
2. 集中度指标可能不能反映公司的实际盈利能力和未来发展潜力；
3. 龙虎榜和振幅指标以短期为主，可能存在短期收益不稳定的风险。

如何优化？

1. 筛选更多的基本面指标和技术面指标，例如市盈率、市净率、PEG等指标；
2. 增加规模和流动性等指标，以增加长期投资价值；
3. 针对不同的行业和市场情况，设计不同的选股策略以适应市场变化。

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，集中度小于20%，且集中度排名处于前70%以内。通过结合技术面和基本面指标进行选股，以增加策略的准确性和可靠性。

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

# 计算集中度排名
total_mv = SUM(CLOSE, 20)
pct_rank = RANK(CORR(CLOSE, total_mv, 20))
concentration_rank = RANK(pct_rank)
picks_concentration = IF((concentration_rank / BARSSINCE(concentration_rank == 1)) <= 0.7, 1, 0)

# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_concentration
picks_final = SortBy(picks, CLOSE, 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 = set(df[df['amplitude'] > 1]['ts_code'].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 = set(lhb_data['ts_code'].tolist())

# 计算集中度排名
df_fin = pro.daily_basic(ts_code='', trade_date='20211009', fields='ts_code, close')
total_mv = df_fin.groupby(['ts_code'])['close'].rolling(window=20).sum().reset_index()
pct_rank = total_mv.groupby(['trade_date'])['close'].apply(lambda x: pd.Series(x).rank(pct=True))
concentration_rank = pct_rank.groupby(['trade_date'])['close'].apply(lambda x: pd.Series(x).rank())
top_concentration = concentration_rank[(concentration_rank / concentration_rank.groupby(['trade_date']).transform('max')) < 0.7].reset_index()['ts_code'].tolist()
picks_concentration = set(top_concentration)

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

# 输出选股结果
print(picks)

    ## 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)