(supermind策略)task16/a/macd零轴以上、今日均线向上发散、非ST(1

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

选股逻辑为MACD零轴以上,今日均线向上发散,非ST(10点之前选股票),五部涨停战法。

选股逻辑分析

该选股逻辑包括以下条件:

  1. MACD零轴以上:表示股票当前处于上涨状态;
  2. 今日均线向上发散:表示股票当前趋势向上;
  3. 非ST:排除ST板块影响;
  4. 10点之前选股票:考虑当日交易环境,及时调整策略;
  5. 五部涨停战法:寻找当日热门涨停板块并选择其中表现最好的个股。

有何风险?

  1. 五部涨停战法可能会选择风险较大的个股;
  2. 选股时间限制在10点之前,可能会错过后市走强的个股;
  3. ST板块中存在一些有潜力的公司,将其排除意味可能会错过一些投资机会。

如何优化?

  1. 可以加入其他技术指标和基本面指标,如RSI指标和市盈率等,提高选股准确性;
  2. 除了五部涨停战法,可以尝试引入其他选股策略,增强组合选择;
  3. 对于排除ST公司的条件,可以有一定的宽松度,尽量不错过有潜力的公司。

最终的选股逻辑

选股逻辑为:MACD零轴以上,今日均线向上发散,非ST(10点之前选股票),五部涨停战法。

同花顺指标公式代码参考

MACD指标:

DIF:EMA(CLOSE,12)-EMA(CLOSE,26)
DEA:EMA(DIF,9)
MACD:(DIF-DEA)*2

均线指标:

MA5:MA(CLOSE,5)

python代码参考

以下为python的选股筛选代码,仅供参考:

import akshare as ak

# 获取非ST股票历史行情数据
basic_info_df = ak.stock_info_sh_a_sina()
st_info_df = basic_info_df[basic_info_df['name'].str.contains('ST')]
st_code_list = st_info_df['symbol'].to_list()
all_code_list = basic_info_df[~basic_info_df['symbol'].isin(st_code_list)]['symbol'].to_list()

# 获取今日热门涨停板块股票
industry_hot_df = ak.stock_board_industry_hot_sina()
industry_code_list = industry_hot_df.head(5)['board_name'].to_list()

# 筛选五部涨停战法中表现最好的个股
selected_stock_list = []
for code in all_code_list:
    if ak.stock_zh_a_spot_em_sina(code)['name'].startswith(tuple(industry_code_list)):
        selected_stock_list.append(code)
result = ak.stock_zh_a_hist_sina(selected_stock_list, adjust="hfq")

# 计算MACD指标
ema12 = result['close'].ewm(span=12).mean()
ema26 = result['close'].ewm(span=26).mean()
DIF = ema12 - ema26
DEA = DIF.ewm(span=9).mean()
MACD = (DIF - DEA) * 2

# 计算均线指标
ma5 = result['close'].rolling(5).mean()

# 过滤出符合条件的股票
conditions = (DIF > 0) & (ma5.shift(1) < ma5)
result = result[conditions]
    ## 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