(supermind)振幅大于1、昨天龙虎榜、非ST（10点之前选股票）五部涨停战法_

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，非ST股票，10点之前选出五只涨停股票。通过综合分析振幅、龙虎榜单、股票是否ST、涨停情况进行选股，找到具备投资价值的个股。

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，通常说明存在较大资金流入或离开的情况；
3. 非ST股票通常表现相对较好；
4. 选取10点之前的涨停股票，可以过滤出近期表现良好且具有较大投资机会的个股。

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. 涨停的股票可能存在短期市场炒作波动，具有潜在的风险；
3. ST股票存在重大利空或潜在退市风险，需要谨慎投资。

如何优化？

1. 通过联合考虑更多指标，如成交量、市盈率等，提高选股的准确性与稳定性；
2. 引入基本面的考虑，例如财务报表数据、行业趋势等，加强选股策略的综合性和完整性；
3. 对选取到的涨停股票进行进一步分析，避免过度依赖市场短期投资氛围。
4. 加入股票流行度指标，如搜索量、新闻报道量等，优化选股策略，增强对市场热点的把握。

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非ST股票，筛选出当日前10点之前涨停的五只股票作为投资标的。通过综合分析振幅、龙虎榜单、是否ST和涨停情况进行选股，以更全面、多角度的方式判断股票的投资价值。

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并且非ST
lhb_data = LHB
lhb_data['is_non_ST'] = ~(lhb_data['name'].str.contains('ST'))
yesterday_lhb = REF(lhb_data['buy'] + lhb_data['sell'], 1)
picks_lhb = IF((yesterday_lhb > 0) AND lhb_data['is_non_ST'], 1, 0)

# 选出当日前10点之前涨停的股票
picks_limit_up = LIMITUP10
picks = picks_amplitude * picks_lhb * picks_limit_up
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并且非ST
lhb_data = pro.top_list(trade_date='20211008', fields='ts_code,buy,sell,name')
lhb_data['is_non_ST'] = ~(lhb_data['name'].str.contains('ST'))
lhb_data.set_index('ts_code', inplace=True)
yesterday_lhb = lhb_data['buy'] + lhb_data['sell']
picks_lhb = lhb_data[(yesterday_lhb > 0) & lhb_data['is_non_ST']].index.tolist()

# 选出当日前10点之前涨停的股票
df['limit_up'] = df['close'].pct_change() >= 0.095
df['limit_up'].iloc[0] = False
df = df[df.index.hour < 10]
picks_limit_up = df[df['limit_up']].index.tolist()[:5]

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