(supermind量化-)振幅大于1、非ST(10点之前选股票)五部涨停战法、三个技术指

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

本选股策略选择振幅大于1、非ST(上午10点之前选股票)、五部涨停战法、三个技术指标同时金叉的股票进行选购。

选股逻辑分析

本选股策略在前面的基础上加入了技术指标的因素,具体来说,要求三个技术指标(可以选择如MA指标、MACD指标、KDJ指标等)同时出现金叉信号,即发生上涨趋势。这样的选股方式可以较全面的衡量股票在技术层面上的表现。

有何风险?

本选股策略存在以下风险:1)对于股票的涨幅会有滞后性;2)仅凭技术指标很难完全反映股票的真实价值,对于股票的基本面等其他信息未能充分考虑;3)指标的可靠性需要在历史数据中得到验证。

如何优化?

考虑将技术指标与基本面数据和宏观经济数据结合使用,加入其它评估方式来形成比较完整的评估模型。同时,可以采用深度学习等方法,从更大的视角处理股票数据,以更准确的选择股票。

最终的选股逻辑

本选股策略的最终逻辑为:振幅大于1、非ST、五部涨停战法,三个技术指标(可以选择如MA指标、MACD指标、KDJ指标等)同时金叉的股票进行选购。

同花顺指标公式代码参考

三个技术指标金叉:A1 > A2 AND B1 > B2 AND C1 > C2

// 以MA5、MA10、MA20为例
MA5 = MA(CLOSE, 5)
MA10 = MA(CLOSE, 10)
MA20 = MA(CLOSE, 20)

A1: MA5 > MA10 AND MA10 > MA20
A2: REF(MA5, 1) < REF(MA10, 1) AND REF(MA10, 1) < REF(MA20, 1)

B1: MACD DIFF > 0 AND MACD DEA > 0 AND MACD DIFF > MACD DEA
B2: REF(MACD DIFF, 1) < REF(MACD DEA, 1) AND REF(MACD DIFF, 1) < 0 AND REF(MACD DEA, 1) < 0

C1: K > D AND D > J
C2: REF(K, 1) < REF(D, 1) AND REF(D, 1) < REF(J, 1)

// 判断是否符合条件
CONDITION1: (H - L) / L > 0.01 AND NAME NOT LIKE '%ST%' AND C = MAX5(C) AND A1 > A2 AND B1 > B2 AND C1 > C2

python代码参考

import pandas as pd 
import tushare as ts

# 读取股票数据
df = pd.read_csv('stock_data.csv')

# 筛选条件1:振幅大于1
df['AMPLITUTE'] = 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[df['AMPLITUTE'] > 1]

# 筛选条件2:非ST
df = df[df['NAME'].str.upper().str.find('ST') == -1]

# 筛选条件3:五部涨停战法
df['CLOSE_MAX'] = df['CLOSE'].rolling(5).max()
df = df[df['CLOSE'] == df['CLOSE_MAX']]

# 筛选条件4:三个技术指标同时金叉
df['MA5'] = df['CLOSE'].rolling(5).mean()
df['MA10'] = df['CLOSE'].rolling(10).mean()
df['MA20'] = df['CLOSE'].rolling(20).mean()
df['DIFF'], df['DEA'], _ = talib.MACD(df['CLOSE'].values)
df['K'], df['D'], df['J'] = talib.STOCH(df['HIGH'].values, df['LOW'].values, df['CLOSE'].values)
df = df[(df['MA5'] > df['MA10']) & (df['MA10'] > df['MA20']) \
        & (df['DIFF'] > 0) & (df['DEA'] > 0) & (df['DIFF'] > df['DEA']) \
        & (df['K'] > df['D']) & (df['D'] > df['J'])]

# 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论