问财量化选股策略逻辑
- 至少5根均线重合的股票
- 大单净量排行
- 20日均线大于120日均线
选股逻辑分析
这个策略的逻辑是基于技术分析和资金流向来筛选股票。首先，至少5根均线重合的股票可能表明市场趋势稳定，同时也有助于降低交易成本。其次，大单净量排行意味着该股票受到市场资金的关注，可能具有较好的上涨潜力。最后，20日均线大于120日均线表明该股票的短期趋势强于长期趋势，也可能是市场对该股票的未来走势看涨。
有何风险？
这个策略的局限性在于它只能反映市场短期趋势，而不能预测长期趋势。此外，如果市场出现大幅波动，这个策略可能会失去效果。另外，如果市场资金大量流出，即使股票符合其他条件，也可能无法获得良好的回报。
如何优化？
为了优化这个策略，可以考虑加入更多技术指标，例如布林线、MACD等，以更好地判断市场趋势。此外，可以考虑加入更多资金流向指标，例如换手率、龙虎榜等，以更好地了解市场资金的流向。最后，可以考虑加入更多市场情绪指标，例如量比、涨跌幅等，以更好地判断市场情绪。
最终的选股逻辑
以下是最终的选股逻辑：
- 筛选出至少5根均线重合的股票
- 筛选出大单净量排名前100的股票
- 筛选出20日均线大于120日均线的股票
- 筛选出布林线中轨以上、MACD红柱持续增长的股票
- 筛选出换手率大于5%、龙虎榜净流入大于500万元的股票
- 筛选出量比大于1.5、涨跌幅大于2%的股票
python代码参考
以下是参考代码：
import tushare as ts
# 设置token
ts.set_token('your_token')
# 初始化pro接口
pro = ts.pro_api()
# 筛选出至少5根均线重合的股票
df = pro.query('select code, name, adjclose, macd, boll from ts_code where boll120 > boll20 and macd > 0 and macd > macd120 and macd120 > macd200 and macd120 > macd300 and macd120 > macd400 and macd120 > macd500', fields=['code', 'name', 'adjclose', 'macd', 'boll'])
# 筛选出大单净量排名前100的股票
df = df.sort_values(by='boll120', ascending=False)
# 筛选出20日均线大于120日均线的股票
df = df[df['boll20'] > df['boll120']]
# 筛选出布林线中轨以上、MACD红柱持续增长的股票
df = df[(df['boll120'] > df['boll20']) & (df['macd'] > df['macd120']) & (df['macd'] > df['macd200']) & (df['macd'] > df['macd300']) & (df['macd'] > df['macd400']) & (df['macd'] > df['macd500'])]
# 筛选出换手率大于5%、龙虎榜净流入大于500万元的股票
df = df[df['turnover'] > 5]
# 筛选出量比大于1.5、涨跌幅大于2%的股票
df = df[df['vol'] > df['vol'] * 1.5] & df[df['pct_chg'] > 2]
# 输出结果
print(df)
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。
