(supermind)振幅大于1、流通盘小于等于55亿股、酷特智能早晨之星

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、出现酷特智能早晨之星的股票。酷特智能早晨之星是一种反转信号，当股价处于下跌趋势时，出现酷特智能早晨之星则暗示着股价可能会反转上涨。此策略旨在寻找规模适中、趋势反转的股票。

选股逻辑分析

振幅大于1可以筛选出波动较大的股票，适合做短期交易
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风险和回报
酷特智能早晨之星是一种反转信号，出现在下跌趋势中，提示股价可能会反转上涨
此策略考虑股票的趋势和反转特征，适合做中期交易

有何风险？

未考虑其他基本面和财务指标，可能选出财务状况不佳或公司基本面较差的股票
受市场因素和个股突发事件影响较大，若市场整体情况不好或个股突发不良情况可能会对选股策略产生较大的影响
酷特智能早晨之星并非绝对的预测信号，存在一定的判断错误率

如何优化？

引入其他基本面和财务指标进行筛选，确定具备良好财务状况和发展前景的股票
综合考虑个股波动情况、涨势强弱、财务状况和公司基本面情况等因素，以动态调整选股策略以适应市场行情和投资需求
可以结合其他反转信号进行选股，例如酷特智能的夜星和旗形转换等，综合判断股票的趋势和反转可能性

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、出现酷特智能早晨之星的股票。在考虑这三个因素的基础上，引入其他基本面和财务指标进行筛选，综合考虑各项因素以动态调整选股策略，从而确定具备良好财务状况、发展前景优良、风险可控的股票。

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)

#判断是否出现酷特智能早晨之星
pre_price3 = REF(CLOSE, 3)
pre_price2 = REF(CLOSE, 2)
pre_price1 = REF(CLOSE, 1)
this_open = OPEN
this_close = REF(CLOSE, 0)
body_hight = MAX(pre_price1, pre_price2, this_open, this_close)
body_low = MIN(pre_price1, pre_price2, this_open, this_close)
body = body_hight - body_low
wave_1 = abs(pre_price1 - pre_price2)
wave_2 = abs(pre_price2 - this_open)
wave_3 = abs(this_open - this_close)
wave = MAX(wave_1, wave_2, wave_3)
cond1 = body / wave > 0.6
cond2 = pre_price3 > pre_price2
cond3 = pre_price2 > this_open
cond4 = this_open < this_close
cond5 = this_close > pre_price1
picks_ktec = IF(cond1 and cond2 and cond3 and cond4 and cond5, 1, 0)

#取排名前n的股票
n = ceil(COUNT / 10)
picks = picks_amplitude * picks_free_share * picks_ktec
picks_final = NLargest(n, picks, picks)

#输出选股结果
WriteIf(picks_final, picks_final, 0)

Python代码参考

import talib

#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()

#判断是否出现酷特智能早晨之星
pre_price3 = df['close'].shift(3)
pre_price2 = df['close'].shift(2)
pre_price1 = df['close'].shift(1)
this_open = df['open']
this_close = df['close']
body_hight = max(pre_price1, pre_price2, this_open, this_close)
body_low = min(pre_price1, pre_price2, this_open, this_close)
body = body_hight - body_low
wave_1 = abs(pre_price1 - pre_price2)
wave_2 = abs(pre_price2 - this_open)
wave_3 = abs(this_open - this_close)
wave = max(wave_1, wave_2, wave_3)
cond1 = body / wave > 0.6
cond2 = pre_price3 > pre_price2
cond3 = pre_price2 > this_open
cond4 = this_open < this_close
cond5 = this_close > pre_price1
picks_ktec = df[(cond1) & (cond2) & (cond3) & (cond4) & (cond5)].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_ktec))
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)

(supermind)振幅大于1、流通盘小于等于55亿股、酷特智能早晨之星_