问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MA5金叉MA10以及今日均线向上发散的股票。该选股逻辑通过振幅和均线选出走势较好的股票，再结合今日均线向上发散指标进一步筛选出潜在上涨股票。
选股逻辑分析
本选股策略依然是通过振幅和均线筛选出股票的走势，再结合今日均线向上发散指标来寻找短期市场潜在上涨股票。选股逻辑比较注重短期较为敏感的行情，需要适时调整和优化选股策略。
有何风险？
该选股策略相对于长期投资而言，更注重短期市场情况，难以考虑到个股的基本面和长期价值。同时，该策略适应于主力控盘的股票可能涨幅过高，存在回调风险。
如何优化？
可以加入其他指标，如MACD等指标，进一步筛选优质股票。同时，结合公告和年报等基本面数据，加强分析股票的长期投资价值。在实际操作中，也应当灵活应对市场情况，适时调整选股策略。
最终的选股逻辑
本选股逻辑的选股策略是振幅大于1、周线MA5金叉MA10以及今日均线向上发散的股票。在实际操作中，可以结合市场情况和实际需求对选股逻辑进行调整和优化。
同花顺指标公式代码参考
- 振幅公式：
- Amplitude = (HIGH - LOW) / PRE_CLOSE
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- 今日均线向上发散公式：
- DIFF = EMA(CLOSE, 12) - EMA(CLOSE, 26)
- DEA = EMA(DIFF, 9)
- MACD = (DIFF - DEA) * 2
- IF(MACD > 0, MACD, 0)
- 满足条件公式：
- condition = (amplitude > 0.01) & (ma5 > ma10) & (dif_today > max(dif_5days_ago, dif_10days_ago, dif_20days_ago))
python代码参考
import tushare as ts
import datetime
PRO = ts.pro_api('your_token')
def select_stocks(n):
selected_stocks = []
for code in PRO.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv,pe,pb,area,list_date')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.daily(ts_code=code, start_date='20180101', end_date=datetime.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol')
if len(df) == 0:
continue
amplitude = (df['high'] - df['low']) / df['close'].shift(1)
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
ema12 = df['close'].ewm(span=12).mean()
ema26 = df['close'].ewm(span=26).mean()
diff_today = ema12[-1] - ema26[-1]
diff_5days_ago = ema12[-6] - ema26[-6]
diff_10days_ago = ema12[-11] - ema26[-11]
diff_20days_ago = ema12[-21] - ema26[-21]
if amplitude[-1] > 0.01 and ma5[-1] > ma10[-1] and diff_today > max(diff_5days_ago, diff_10days_ago, diff_20days_ago):
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
