(supermind)振幅大于1、流通盘小于等于55亿股、kdj（k）增长值_

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、kdj（k）增长值。

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. kdj（k）增长值可以反映出股票的强势程度，有助于选出具备上涨潜力的股票。

有何风险？

1. 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. kdj（k）指标的增长值可能受到市场情绪和技术因素的影响，不能完全反映出股票的涨势情况，存在误判的风险。

如何优化？

1. 可以结合其他技术指标（如MACD、RSI）进行综合分析，提高选股逻辑的准确性和盈利能力。
2. 也可以结合基本面数据进行分析，如收益率、利润率等因素。
3. 需要进行充分的筛选和调整，避免过于依赖单一指标而导致误判。

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、kdj（k）增长值，结合其他技术指标和基本面数据进行综合分析和评估。

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kdj（k）增长值
k, d, j = KDJ(9, 3, 3)
k_growth = k - REF(k, 1)
picks_kdj = IF(k_growth > 0, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_kdj
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kdj（k）增长值
k, d, j = talib.STOCH(high, low, close, fastk_period=9, slowk_period=3, slowd_period=3)
k_growth = k - k.shift(1)
picks_kdj = df[k_growth > 0].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_kdj))
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)