(supermind量化-)振幅大于1、昨日非涨停板、至少5根均线重合的股票_

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

本选股策略选取振幅大于1、昨日非涨停板和至少5根均线重合的股票作为投资标的。

选股逻辑分析

振幅大于1可以筛选出波动性较大的股票,有更大的投资机会;昨日非涨停板是为了避免选出快速上涨过程中不稳定的股票;至少5根均线重合表示股票处于多头趋势中。

有何风险?

本选股策略忽略了公司基本面、财务分析、行业因素等方面的影响,可能存在投资风险。同时,均线重合并不一定代表多头趋势,可能会选出不符合预期的股票。另外,振幅大的股票也存在一定的市场风险。

如何优化?

可以综合考虑公司基本面、财务分析、行业因素和市场情况等方面进行综合筛选,避免单一指标的盲目选股。同时,可以采用更精细的技术指标来辅助选股,如MACD、KDJ等。

最终的选股逻辑

本选股策略选取振幅大于1、昨日非涨停板和至少5根均线重合的股票作为投资标的,并综合考虑公司基本面、财务分析、行业因素和市场情况进行筛选,选取具有价值潜力和稳健性的股票,同时构建多样化的投资组合。

同花顺指标公式代码参考

MA5 = MA(C,5);
MA10 = MA(C,10);
MA20 = MA(C,20);
MA30 = MA(C,30);
MA60 = MA(C,60);
IF((HIGH-LOW)/REF(CLOSE,1)>0.01 AND PREVCLOSE<REF(HIGH,1) AND MA5>MA10 AND MA10>MA20 AND MA20>MA30 AND MA30>MA60,1,0)

python代码参考

# 引入Tushare库、Numpy库、Pandas库
import tushare as ts
import numpy as np
import pandas as pd

# 连接Tushare库
pro = ts.pro_api()

def select_stocks(n):
    selected_stocks = []
    for ts_code in quote["ts_code"]:
        # 获取股票数据
        stock_data = pro.daily(ts_code=ts_code, start_date='2 days ago', end_date='today', fields='trade_date,close,open,low')
        ma_data = pro.daily(ts_code=ts_code, start_date='60 days ago', end_date='today', fields='trade_date,close')
        ma_data = ma_data.set_index('trade_date').sort_index()
        ma_data["MA5"] = ma_data["close"].rolling(window=5).mean()
        ma_data["MA10"] = ma_data["close"].rolling(window=10).mean()
        ma_data["MA20"] = ma_data["close"].rolling(window=20).mean()
        ma_data["MA30"] = ma_data["close"].rolling(window=30).mean()
        ma_data["MA60"] = ma_data["close"].rolling(window=60).mean()
        if ts_code[:2] != "BJ" and ts_code.startswith("6") or ts_code.startswith("0") or ts_code.startswith("3") and ((stock_data["close"] / stock_data["open"] - 1) > 0.01).sum() > 0 and stock_data["close"].pct_change().iloc[-1] < 0 and ma_data["MA5"].iloc[-1] > ma_data["MA10"].iloc[-1] and ma_data["MA10"].iloc[-1] > ma_data["MA20"].iloc[-1] and ma_data["MA20"].iloc[-1] > ma_data["MA30"].iloc[-1] and ma_data["MA30"].iloc[-1] > ma_data["MA60"].iloc[-1]:
            selected_stocks.append(ts_code)
        if len(selected_stocks) == n:
            return selected_stocks
    ## 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