问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包的前提下，筛选至少5根均线重合的个股。
选股逻辑分析
该选股策略尝试通过选取多条均线并筛选均线重合的个股，来挖掘出趋势比较明朗且处于较低价位的个股，从而实现短期板块操作，并且通过换手率3%-12%、反包这两个条件来保证选择个股的市场交易活跃度。
有何风险？
该选股策略可能会忽略企业的基本面，关注短期的市场表现，从而容易选择出风险较高、短期市场表现不佳的个股。另外，该选股策略中定义的均线重合的个数界限并非固定不变，选择界限不当可能会造成选股标准模糊、难以判断的风险。
如何优化？
可以在选择均线重合的个数时增加判断的可信度，并且对于选中的个股可以加入其他因素综合考虑，如市盈率、市净率、市值等因素进行再筛选。同时，还可以在该选股策略中加入更多的因子，如RSI等技术分析指标，更全面的考量市场表现和股价趋势，则对所筛选个股的判断更加的客观准确。
最终的选股逻辑
在换手率3%-12%、反包的前提下，筛选至少5根均线重合的个股。
同花顺指标公式代码参考
选股条件：CROSS(MA(m1),MA(m2))>0 AND CROSS(MA(m2),MA(m3))>0 AND CROSS(MA(m3),MA(m4))>0 AND
CROSS(MA(m4),MA(m5))>0 AND CROSS(MA(m5),MA(m6))>0 AND CROSS(MA(m6),MA(m7))>0
选股结果：fml('CROSS(MA(5),MA(10))>0 AND CROSS(MA(10),MA(20))>0 AND CROSS(MA(20),MA(30))>0 AND
CROSS(MA(30),MA(60))>0 AND CROSS(MA(60),MA(120))>0', 'desc', 'pe_ttm', 100)
Python代码参考
import tushare as ts
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 反包策略
df1 = pro.daily(ts_code='', start_date='20210101', end_date='20220131',
fields='ts_code,trade_date,pre_close,open,high,low,close,vol,amount')
# 计算均线
period_list = [5, 10, 20, 30, 60, 120] # 计算5个不同周期的均线
for period in period_list:
df1['MA'+str(period)] = df1['close'].rolling(period).mean()
# 判断均线是否重合
MA_list = [df1['MA5'], df1['MA10'], df1['MA20'], df1['MA30'], df1['MA60'], df1['MA120']]
df1['MA_Re'] = df1.apply(lambda x: len(set(MA_list[: MA_list.index(x['MA5'])+1])) >= 5, axis=1)
# 筛选
good_stocks = df1[(df1['MA_Re'])]['ts_code'].reset_index(drop=True)
return good_stocks
good_stocks = select_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。
