(supermind)振幅大于1、流通盘小于等于55亿股、2021年_

问财量化选股策略逻辑

选股逻辑为振幅大于1、流通盘小于等于55亿股、2021年前三个月有涨停。此策略旨在选出有较大波动性，规模适中，并且在2021年前三个月市场热度较高的股票，进行短期交易。

选股逻辑分析

1. 指定时间区间内有涨停可以反映出该股票在该特定时期内（2021年前三个月）市场热度较高。
2. 振幅大于1可以筛选出波动较大的股票，适合做短期交易；
3. 流通盘小于等于55亿股可以筛选出小盘股，小盘股可能具有较高风险和回报；
4. 此策略综合考虑了个股的波动情况、流动性、市场热度等因素，适合做短期交易。

有何风险？

1. 时间区间设置过于短暂，可能存在偶然性或波动干扰的问题；
2. 筛选条件过于主观，可能会导致筛选结果出现误差；
3. 偏重技术面分析，可能会忽略了股票的基本面和行业背景等重要因素；
4. 盲目追求快速回报，可能会忽略了风险控制的重要性。

如何优化？

1. 适时调整选股策略的时间区间，兼顾市场长期趋势和短期波动性；
2. 加强对股票基本面和行业背景等因素的研究和分析，从多个维度评估股票的价值；
3. 制定科学合理的止损规则和止盈规则，以控制风险；
4. 合理分散投资组合，降低风险，兼顾回报。

最终的选股逻辑

选股逻辑为振幅大于1、流通盘小于等于55亿股、2021年前三个月内有涨停。在此基础上，加强了对于股票基本面和行业背景的研究和分析，以制定科学合理的止损规则和止盈规则，同时合理分散投资组合，降低风险，兼顾回报。

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)

#计算流通盘
free_share = FREE_SHARE
picks_free_share = IF(free_share <= 5500000000, 1, 0)

#计算2021年前三个月有涨停
start_date = '20210101'
end_date = '20210331'
pct_chg = (CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1)
limit_up = MA(pct_chg >= 0.099, 23)
picks_limit_up = IF(STRDATE > start_date AND STRDATE < end_date AND limit_up == 1, 1, 0)

#取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_limit_up
picks_final = NLargest(n, picks, picks)

#输出选股结果
WriteIf(picks_final, picks_final, 0)

Python代码参考

#计算振幅
high = df['high']
low = df['low']
close = df['close']
amplitude = 100 * (high - low) / close
picks_amplitude = df[amplitude > 1].index.tolist()

#计算流通盘
free_share = df['free_share']
picks_free_share = df[free_share <= 5500000000].index.tolist()

#计算2021年前三个月有涨停
start_date = '20210101'
end_date = '20210331'
pct_chg = (df['close'].shift(1) - df['close']) / df['close'].shift(1)
limit_up = pct_chg.rolling(window=23).apply(lambda x: x[x >= 0.099].count() > 0)
picks_limit_up = df[(df['trade_date'] > start_date) & (df['trade_date'] < end_date) & limit_up].index.tolist()

#取排名前n的股票
n = int(len(df) / 10)
picks = list(set(picks_amplitude) & set(picks_free_share) & set(picks_limit_up))
picks_final = df.loc[picks].sort_values(by='turnover_rate', ascending=False)[:n]['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)