(supermind)振幅大于1、流通盘小于等于55亿股、30日平均线向上_

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、30日平均线向上。

选股逻辑分析

1. 振幅大于1可以筛选出波动较大但有短期交易潜力的股票。
2. 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的风险和回报。
3. 30日平均线向上可以表明股票价格处于上升趋势之中。

有何风险？

1. 该选股逻辑忽略了公司基本面数据，可能导致选出的股票估值偏高或业绩虚高。
2. 选股逻辑只能反映出市场短期交易情况，不能完全反映出公司情况和长期投资价值，存在误判的风险。
3. 此外，股票价格的上升趋势可能只是一个短期的技术信号，不能完全代表市场走势的长期趋势。

如何优化？

1. 可以结合公司基本面数据，如市盈率、市净率、股息率等因素，强化价值投资选股逻辑。
2. 可以使用其他技术指标，如MACD、RSI等进行综合分析。
3. 借助机器学习和人工智能等技术，通过大量历史数据和盈利信息来优化选股逻辑和提高股票投资回报率。

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、30日平均线向上，同时结合公司基本面数据和其他技术指标进行综合分析和评估，强化价值投资选股逻辑。

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30日平均线向上
avr_30 = MA(CLOSE, 30)
picks_avr = IF(CLOSE > avr_30, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_avr
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30日均线
ma_30 = df['close'].rolling(window=30).mean()
picks_avr = df[df['close'] > ma_30].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_avr))
picks_final = df.loc[picks].sort_values(by='vol_ratio', ascending=False)[:n].index.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)