(supermind量化策略)task14/a/元宇宙、开盘价在十日线左右、macd零轴以

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股策略为:在元宇宙行业中筛选开盘价在十日线左右,且 MACD 柱子在零轴以上的股票。

选股逻辑分析

该选股策略同样综合运用了技术和量化分析,关注价格走势和股票强弱指标。选股条件相对于前一个选股逻辑多了一个 MACD 柱子在零轴以上的条件,表明股票当前的价格走势逐渐向好,在 MACD 的技术分析中,也极有可能形成向上发散的趋势,因此具备较大的涨势动能。

有何风险?

该选股策略同样偏重技术面分析,忽略了股票基本面的影响和市场潜在的风险因素,且 MACD 相关指标的使用也有时过于单一,可能会造成选股结果不稳定,导致策略的失误和盈利动能的下降。此外,该选股策略所选出的股票,其市场风险仍需要通过其他方法加以评估。

如何优化?

在原有选股逻辑的基础上,结合其他指标,如成交量、KDJ 等,综合分析股票当前的走势情况。在策略实施过程中,加强风险控制和资金管理,不盲目跟风,保持理性决策,避免在市场波动时陷入盲目操作的陷阱。

最终的选股逻辑

在元宇宙行业中,筛选开盘价在十日线左右,且 MACD 柱子在零轴以上的股票。综合分析股票当前走势情况,全面考虑基本面和市场风险,加强止损与风控意识,理性决策。

同花顺指标公式代码参考

选出符合元宇宙行业的股票:INDUSTRY == '元宇宙';

选出当前开盘价在十日均线左右的股票:
REF(CLOSE,1)<MA(CLOSE,10) AND OPEN>MA(CLOSE,10) AND REF(OPEN,1)<REF(MA(CLOSE,10),1);

选出 MACD 柱子在零轴以上的股票:
MACD(CLOSE,12,26,9) > 0 AND MACD(CLOSE,12,26,9) > REF(MACD(CLOSE,12,26,9),1);

合并筛选条件:(INDUSTRY == '元宇宙') AND \
    (REF(CLOSE,1)<MA(CLOSE,10) AND OPEN>MA(CLOSE,10) AND REF(OPEN,1)<REF(MA(CLOSE,10),1)) AND \
    (MACD(CLOSE,12,26,9) > 0 AND MACD(CLOSE,12,26,9) > REF(MACD(CLOSE,12,26,9),1))

Python代码参考

import tushare as ts
import talib

def get_eligible_stocks():
    eligible_stocks = []
    stock_data = ts.get_today_all()
    for stock_code, row in stock_data.iterrows():
        if '元宇宙' in row['industry_name']:
            daily_k_data = ts.get_k_data(stock_code, start=(dt.datetime.now()-dt.timedelta(days=30)).strftime('%Y-%m-%d'))
            if len(daily_k_data) >= 10:
                open_prices = daily_k_data['open'].values[-10:]
                ten_day_ma = talib.MA(open_prices, timeperiod=10)[-1]
                macd, signal, hist = talib.MACD(daily_k_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
                if daily_k_data['open'].values[0] > ten_day_ma and \
                        daily_k_data['open'].values[1] < ten_day_ma and \
                        macd[-1] > 0 and macd[-1] > macd[-2]:
                    eligible_stocks.append(stock_code)
    return eligible_stocks

print(get_eligible_stocks())

上述 Python 代码同样使用了 tushare 包获取实时行情数据,使用 talib 包计算 MACD 等技术指标,通过 Python 实现了选股策略。需要注意数据处理和异常处理等问题,并加强止损和风险控制。

    ## 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