问财量化选股策略逻辑
选取振幅大于1、均价站在五日均线之上且至少5根均线重合的股票进行投资。
选股逻辑分析
该选股策略考虑了技术面和多重均线信号，选股时集中了振幅较大、均价站在五日均线之上并且至少有5根均线重合的股票，这意味着股票正在反弹行情，而不仅仅是单方面的涨势，通过多重均线交叉验证了股票技术面的多重因素，可用来辅助判断股价的走势。
有何风险？
此选股策略的风险在于过于注重技术面和短期走势，较难考虑公司基本面和行业等长期因素，此外过度依赖均线指标可能会导致一定程度上的相对滞后，容易错过快速变化的股价走势。
如何优化？
可以针对行业和公司基本面进行评估和筛选，同时可以综合流通市值、市盈率等指标进行全面考虑。可以结合基本面、市场情绪等因素，确定股票的投资前景。除了多重均线交叉，也可以考虑MACD、KDJ等技术指标一同进行辅助判断。
最终的选股逻辑
选取振幅大于1、均价站在五日均线之上且至少5根均线重合的股票进行投资。同时，综合考虑公司基本面、市场情绪等因素，全面评估选中股票的投资前景。
同花顺指标公式代码参考
振幅指标：AMO
均价指标：MA(CLOSE,5)
均线重合指标：(MA(CLOSE,5) > MA(CLOSE,10)) AND (MA(CLOSE,10) > MA(CLOSE,20)) AND (MA(CLOSE,20) > MA(CLOSE,30)) AND (MA(CLOSE,30) > MA(CLOSE,60)) AND (MA(CLOSE,60) > MA(CLOSE,120))
python代码参考
import tushare as ts
# 获取符合条件的股票
def get_selected_stocks():
data = ts.get_today_all()
data = data[data['turnoverratio'] > 1]
ma5 = data['trade'].rolling(window=5).mean()
ma10 = data['trade'].rolling(window=10).mean()
ma20 = data['trade'].rolling(window=20).mean()
ma30 = data['trade'].rolling(window=30).mean()
ma60 = data['trade'].rolling(window=60).mean()
ma120 = data['trade'].rolling(window=120).mean()
condition = (ma5 > ma10) & (ma10 > ma20) & (ma20 > ma30) & (ma30 > ma60) & (ma60 > ma120)
data = data[condition]
data = data[data['trade'] > ma5]
data = data[data['turnoverratio'] > 1]
data = data[(data['low'] < data['low'].shift(1)) & (data['pct_chg'] > 0)]
data = data[['name','industry','code']]
data_sorted = data.sort_values(by=['trade'], ascending=False)
data_sorted = data_sorted.head(10)
selected_stocks = list(data_sorted['code'])
return selected_stocks
result = get_selected_stocks()
print(result)
注：以上代码仅供参考，实际选股需结合具体情况进行适度修改。
## 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。
