问财量化选股策略逻辑
- 至少5根均线重合的股票
- 9点25分涨幅小于6%
- 10日涨幅大于0小于35
选股逻辑分析
- 这个策略看起来是基于技术分析的，通过寻找均线重合的股票来寻找买入机会。
- 9点25分涨幅小于6%的限制可以避免在开盘价过高的情况下买入，从而减少买入风险。
- 10日涨幅大于0小于35的限制可以排除已经大幅上涨的股票，从而避免买入高估的股票。
有何风险？
- 这个策略可能无法准确预测股票的走势，因为技术分析并不是一种精确的预测方法。
- 如果股票的价格在9点25分之后出现大幅上涨，那么这个策略可能会错失买入机会。
- 如果股票的价格在10日之内出现大幅下跌，那么这个策略可能会导致投资者在高位买入股票。
如何优化？
- 可以考虑加入更多的均线重合条件，例如10日、20日、30日均线重合等，以提高策略的准确率。
- 可以考虑加入其他技术指标，例如MACD、RSI等，以更好地预测股票的走势。
- 可以考虑加入其他限制条件，例如市盈率、市净率等，以避免买入高估的股票。
最终的选股逻辑
- 筛选出至少5根均线重合的股票
- 筛选出9点25分涨幅小于6%的股票
- 筛选出10日涨幅大于0小于35的股票
- 筛选出其他技术指标满足一定条件的股票
- 筛选出其他限制条件满足一定条件的股票
python代码参考
- 注意，以下代码仅为示例，可能不完全符合实际使用场景。
import tushare as ts
# 初始化pro接口
pro = ts.pro_api()
# 设置token
pro.set_token('your_token')
# 初始化pro接口
pro = ts.pro_api()
# 设置token
pro.set_token('your_token')
# 获取所有股票的代码列表
codes = pro.stock_basic()
# 筛选出至少5根均线重合的股票
filtered_codes = []
for code in codes:
# 获取股票的K线数据
k_data = pro.k_data(code=code, start='2021-01-01', end='2021-12-31')
# 筛选出至少5根均线的股票
if len(k_data['close']) >= 5:
filtered_codes.append(code)
# 筛选出9点25分涨幅小于6%的股票
filtered_codes = []
for code in filtered_codes:
# 获取股票的开盘价、收盘价、最高价、最低价等数据
k_data = pro.k_data(code=code, start='2021-01-01', end='2021-12-31')
# 筛选出9点25分涨幅小于6%的股票
if k_data['open'] < k_data['close'] * (1-0.06):
filtered_codes.append(code)
# 筛选出10日涨幅大于0小于35的股票
filtered_codes = []
for code in filtered_codes:
# 获取股票的开盘价、收盘价、最高价、最低价等数据
k_data = pro.k_data(code=code, start='2021-01-01', end='2021-12-31')
# 筛选出10日涨幅大于0小于35的股票
if k_data['close'] - k_data['open'] > 0 and k_data['close'] - k_data['open'] < 0.35:
filtered_codes.append(code)
# 输出筛选后的股票代码列表
print(filtered_codes)
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。
