(supermind)振幅大于1、流通盘小于等于55亿股、买一量_卖一量_

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、买一量大于卖一量的股票。

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. 买一量大于卖一量可以说明当前市场买盘较为强劲。

有何风险？

1. 买一量大于卖一量是短期内的市场行情，并不能反映长期趋势，过度依赖此项指标可能会忽略公司的基本面。
2. 振幅和流通盘虽有一定的筛选效果，但对于基本面较弱的公司仍有投资风险。

如何优化？

1. 可以选择较长的时间周期进行判断，避免仅仅依赖短期行情。
2. 结合公司基本面的财务数据和经营状况等因素进行综合分析和评估，避免过度依赖单一指标。

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、买一量大于卖一量的股票，结合公司基本面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)

# 计算买卖量
buy_vol = BUY_VOL
sell_vol = SELL_VOL
picks_buy_sell = IF(buy_vol > sell_vol, 1, 0)

# 取交集
picks = picks_amplitude * picks_free_share * picks_buy_sell
picks_final = IF(picks, CODE, 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()

# 计算买卖量
buy_vol = df['buy_vol']
sell_vol = df['sell_vol']
picks_buy_sell = df[buy_vol > sell_vol].index.tolist()

# 取交集
picks = list(set(picks_amplitude).intersection(set(picks_free_share)).intersection(set(picks_buy_sell)))

    ## 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)