(supermind)振幅大于1、流通盘小于等于55亿股、前天macd＜0_

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、前天MACD＜0的股票。此策略旨在挑选出波动较大、规模适中，并且存在市场调整后的投资机会的股票，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. 前天MACD＜0则意味着股票市场调整，存在投资机会。

有何风险？

1. 仅根据前天MACD进行选股可能过于简单粗暴，容易忽略掉其他重要因素影响；
2. 选股逻辑过于狭隘，可能会忽略掉一些潜在的投资热点。

如何优化？

1. 可以考虑引入更多的技术指标和基本面分析等因素，从多角度进行选股；
2. 在选股逻辑上适当放宽条件，以发掘更多的投资机会。

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、前天MACD＜0的股票，结合其他技术指标和基本面分析等因素进行综合投资。

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)

# 计算前天MACD
DIF, DEA, MACD = MACD(CLOSE, SHORT=12, LONG=26, MID=9)
prev_macd = REF(MACD, 2)
picks_prev_macd = IF(prev_macd < 0, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_free_share * picks_prev_macd
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
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = df[df['amplitude'] > 1].index.tolist()

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

# 计算前天MACD
dif, dea, macd = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
prev_macd = macd.shift(2)
picks_prev_macd = df[prev_macd < 0].index.tolist()

# 取排名前n的股票
n = int(len(df) / 20)
picks = list(set(picks_amplitude) & set(picks_free_share) & set(picks_prev_macd))
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)