(supermind)振幅大于1、流通盘小于等于55亿股、流通市值50－100亿_

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、流通市值介于50亿到100亿之间的股票。

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. 流通市值介于50亿到100亿之间可以筛选出市值适中的股票，有一定的稳定性和增长性。

有何风险？

1. 选股逻辑忽略了公司基本面数据，可能导致选出的股票估值偏高或业绩虚高。
2. 振幅和流通市值等技术指标可能受到市场情绪和投机因素的干扰，选出的股票可能存在较大的波动风险。

如何优化？

1. 结合市场热门板块和资金流向进行分析，在行情趋势较清晰的情况下，能够提高选股策略的准确性和盈利能力。
2. 可以结合基本面数据进行分析，例如PE、PEG等因素。
3. 也可以考虑加入股票市场关注度以及机构投资者的持仓情况等因素进行综合分析。

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、流通市值介于50亿到100亿之间的股票，结合市场情绪指标和基本面数据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)

# 计算流通市值
cap = REF(CAPITAL, 0)
picks_cap = IF((cap >= 5000000000) AND (cap <= 10000000000), 1, 0)

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

# 计算流通市值
cap = df['cap']
picks_cap = df[(cap >= 5000000000) & (cap <= 10000000000)].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_cap))
picks_final = df.loc[picks].sort_values(by='vol_ratio', ascending=False)[:n].index.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)