(supermind)振幅大于1、流通盘小于等于55亿股、高点为两日最高_

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、高点为两日最高的股票。

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. 以两日最高点作为选股条件，可以排除最近两日内表现不够强劲的股票，相对来说选股策略更稳健。

有何风险？

1. 过度依赖技术指标，忽视市场环境和股票受影响的因素。
2. 在特殊市场行情下可能会出现较多虚假信号，需要进一步检验。

如何优化？

1. 结合其他指标和股票的基本面进行分析，例如可以加入成交量指标和市盈率指标等其它技术指标进行综合分析。
2. 可以使用不同时间段的最高价作为选股条件，来判断股票短期和长期的表现是否一致，以进一步减少虚假信号的数量。

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、高点为两日最高的股票，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)

# 计算两日最高
high_2 = REF(HIGH, 2)
picks_high_2 = IF(HIGH == MAX(high_2, high), 1, 0)

# 取交集
picks = picks_amplitude * picks_free_share * picks_high_2
picks_final = IF(picks, CODE, 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()

# 计算两日最高
high_2 = df['high'].shift(2)
picks_high_2 = df[ df['high'] == df[['high', 'high_2']].max(axis=1) ].index.tolist()

# 取交集
picks = list(set(picks_amplitude).intersection(set(picks_free_share)).intersection(set(picks_high_2)))

    ## 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)