问财量化选股策略逻辑
选股逻辑为：在换手率在3%-12%,剔除北京A股，筛选今日均线向上发散的股票进行选股。
选股逻辑分析
均线指标是股票分析中常用的技术分析指标，均线趋势被广泛认为是股票价格走势的趋势。当均线向上发散时，价格上升的趋势也变得更加明显，这是一个短期选股指标。而在换手率在3%-12%之间筛选股票，可以避免因超级高的换手率导致股价波动性大而难于预测，同时也维护了股票市场的稳定性。
有何风险？
该选股逻辑的风险包括：
-
均线向上发散的情况很容易因为尾盘拉升而使得历史价格曲线非常的模糊;
-
均线向上发散的情况只能评估短期股票走势的趋势变化，难以反映长期股票的发展前景；
-
其他基本面指标和技术面指标都没有被考虑，有可能选到低质量的股票。
如何优化？
-
结合多个指标
均线指标只是股票分析中的一个指标，而其他指标，如成交量、MACD等，也能够反映股票价格的趋势和走势。结合多个指标可以提高筛选股票的准确性和稳定性。 -
关注股票的基本面
股票的基本面也应该被关注，例如公司业绩、财务状况等。当均线向上发散的股票具有良好的基本面时，具有更高的投资价值。
最终的选股逻辑
在换手率在3%-12%之间，剔除北京A股的基础上筛选今日均线向上发散的股票进行选股。
同花顺指标公式代码参考
通达信指标：
MA(CLOSE,5);MA(CLOSE,10);MA(CLOSE,20);MA(CLOSE,60);MA(CLOSE,120)
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry')
stock_list = stock_list[(stock_list['name'].str.contains('ST') == False)]
good_stocks = []
for ts_code in stock_list['ts_code']:
daily_data = pro.daily(ts_code=ts_code, start_date='20210701', end_date='20210701')
if len(daily_data) > 0:
ma5 = daily_data['close'].rolling(5).mean().values[0]
ma10 = daily_data['close'].rolling(10).mean().values[0]
ma20 = daily_data['close'].rolling(20).mean().values[0]
ma60 = daily_data['close'].rolling(60).mean().values[0]
ma120 = daily_data['close'].rolling(120).mean().values[0]
if ma5 > ma10 > ma20 > ma60 > ma120:
turnover_rate = pro.daily_basic(ts_code=ts_code, start_date='20210701', end_date='20210701')['turnover_rate'][0]
if turnover_rate >=3 and turnover_rate <=12:
good_stocks.append([ts_code, stock_list[stock_list.ts_code == ts_code].iloc[0].name, stock_list[stock_list.ts_code == ts_code].iloc[0].industry])
good_stocks = pd.DataFrame(good_stocks, columns=['ts_code', 'name', 'industry'])
return good_stocks
good_stocks = get_good_stocks()
print(good_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。
