(supermind)振幅大于1、流通盘小于等于55亿股、今日最低价小于昨日最低价_

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、今日最低价小于昨日最低价。此策略旨在挑选出波动较大、规模适中并且具有反弹潜力的股票，以此进行投资。

选股逻辑分析

1. 指定振幅大于1可以筛选出波动较大的股票；
2. 流通盘小于等于55亿股可以挑选出规模相对较小的股票，具有较高的成长性和回报；
3. 今日最低价小于昨日最低价可以挑选出今天有较高反弹潜力的股票。

有何风险？

1. 反弹潜力大，但也存在反复震荡、长时间横盘的风险；
2. 流通盘小的股票池有可能较为狭窄，选股空间可能受到限制。

如何优化？

1. 结合其他技术指标，如均线、MACD、RSI等，以及基本面等关键指标，制定更加全面、准确的选股策略；
2. 根据历史走势和行业背景等进行风险评估，制定对应的风控措施，如设置止盈或止损线等。

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、今日最低价小于昨日最低价。为了避免投资风险和提高选股的准确性，在此基础上可以加入其他关键指标的筛选，如市盈率、市净率、股息率等指标，结合行业和公司基本面等综合考虑，制定更加完善的选股策略。

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)

# 判断今日最低价是否小于昨日最低价
low_today = LOW
low_yesterday = REF(LOW, 1)
picks_low = IF(low_today < low_yesterday, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_low
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()

# 判断今日最低价是否小于昨日最低价
low_today = df['low']
low_yesterday = df['low'].shift(1)
picks_low = df[low_today < low_yesterday].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_low))
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)