问财量化选股策略逻辑
本选股策略选择振幅大于1,连续3天以上大单净量大于0.05,周线MA5金叉MA10的股票。
选股逻辑分析
本选股策略基于技术分析和市场表现,使用振幅、大单净量等技术指标筛选出股票,同时加入周线MA5和MA10的金叉作为技术指标的参考,该选择基于对多个市场表现因素的引用作为参考,确定入选股票。
有何风险?
本选股策略的风险在于,技术指标的表现可能受到市场环境的影响,长周期的指标可能会因为市场改变而失去稳定性,同时只凭技术指标而没有考虑其他宏观基本面因素,选股结果可能过程简单粗暴,与公司实际价值不符。
如何优化?
可以加入更多的市场表现因素、技术指标或基本面因素作为参考,通过多角度的定量选股模型,优化筛选方法以提高稳定性和准确性。
最终的选股逻辑
本选股策略的筛选逻辑为:振幅大于1,连续3天以上大单净量大于0.05,周线MA5金叉MA10的股票。
同花顺指标公式代码参考
MA5:MA(CLOSE,5);
MA10:MA(CLOSE,10);
WMA5:REF(MA(CLOSE,5),-1);
WMA10:REF(MA(CLOSE,10),-1);
WMA5_UP:WMA5-WMA10>0 AND REF(WMA5-WMA10,-1)=0;
WMA5_MA10_CROSS:WMA5WMA10 AND REF(MA(CLOSE,5),-1)<=REF(MA(CLOSE,10),-1);
Python代码参考
import pandas as pd
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1:振幅大于1
df['A'] = df.apply(lambda row: max(row['HIGH'] - row['LOW'], abs(row['HIGH'] - row['PREV_CLOSE']), abs(row['LOW'] - row['PREV_CLOSE'])), axis=1)
df = df[(abs(df['HIGH'] - df['PREV_CLOSE']) > df['A']) & (abs(df['LOW'] - df['PREV_CLOSE']) > df['A'])]
# 筛选条件2:连续3天以上大单净量大于0.05
df['VOL_NVI'] = (df['NET_VOLUME'] / df['VOLUME']).rolling(3).sum()
df = df[df['VOL_NVI'] > 0.05]
# 筛选条件3:周线MA5金叉MA10
df['MA5'] = df['CLOSE'].rolling(5).mean()
df['MA10'] = df['CLOSE'].rolling(10).mean()
df['PRE_MA5'] = df['MA5'].shift(1)
df['PRE_MA10'] = df['MA10'].shift(1)
df['CROSS'] = (df['MA5'] > df['MA10']) & (df['PRE_MA5'] <= df['PRE_MA10'])
df = df[df['CROSS']]
# 加入更多的过滤条件
df = df[df['EPS'] > 0]
df = df[df['ROE'] > 10]
# 输出选股数据
print(df)
## 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。
