(supermind)振幅大于1、流通盘小于等于55亿股、日线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、日线MACD＞0的股票。此策略旨在挑选出波动较大、规模适中，并且处于向上趋势的股票，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. 日线MACD＞0可以筛选出处于向上趋势的股票，具有比较好的增长性。

有何风险？

1. 指定日线MACD＞0可能会错过一些暂时处于下滑趋势中的股票；
2. 振幅较大的股票可能存在高风险，需要谨慎投资。

如何优化？

1. 结合其他技术指标，如KD、RSI等指标，进行多因子选股，提高选股准确度；
2. 调整挑选条件，或者使用异步振幅概念，即使振幅不大但是隐含波动率较高的股票也可以收入选择范围，以此提高选股的灵活性。

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、日线MACD＞0的股票，结合KD、RSI等指标进行多因子选股。通过调整挑选条件，对异步振幅概念加以适当应用，实现更加灵活、准确的选股。

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MACD
dif, dea, macd = MACD(CLOSE)
picks_macd = IF(macd > 0, 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_free_share * picks_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
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MACD
macd, signal, hist = talib.MACD(df['close'])

# 计算日线MACD
macd_today, signal_today, hist_today = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
picks_macd = df[macd_today > signal_today].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_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)