(supermind)振幅大于1、流通盘小于等于55亿股、昨日竞价换手率大于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、昨日竞价换手率大于0.26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. 昨日竞价换手率大于0.26可能意味着该股票存在较大的活跃度和交易量，同时有望获得较高的资金关注度。

有何风险？

1. 过于短期化的指标可能忽视股票的长期趋势和基本面。
2. 过度依赖技术指标，忽视市场环境和股票受影响的因素。
3. 选股逻辑的设置可能较为片面，跟随成功率和回撤可能并不理想。

如何优化？

1. 结合其他指标和股票的基本面进行分析，例如可以加入市场平均竞价换手率指标进行综合判断。
2. 根据市场行情和股票属性灵活调整选股指标。
3. 限制最大的回撤和交易频率，以减少风险和提高收益。

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，昨日竞价换手率大于0.26的股票，结合其他指标和股票的基本面进行综合分析。

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)

# 计算昨日竞价换手率
turnover_rate = REF(TURN_RATE, 2)
picks_turnover_rate = IF(turnover_rate > 0.26, 1, 0)

# 取交集
picks = picks_amplitude * picks_free_share * picks_turnover_rate
picks_final = IF(picks, CODE, 0)

Python代码参考

# 获取振幅大于1
high = df['high']
low = df['low']
close = df['close']
amplitude = 100 * (high - low) / close
picks_amplitude = df[amplitude > 1].index.tolist()

# 获取流通盘小于等于55亿股
free_share = df['free_share']
picks_free_share = df[free_share <= 5500000000].index.tolist()

# 获取昨日竞价换手率大于0.26
turnover_rate = df['turn_rate']
picks_turnover_rate = df[turnover_rate > 0.26].index.tolist()

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

    ## 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)