问财量化选股策略逻辑
该策略基于以下三个条件进行股票筛选:
- 至少5根均线重合的股票
- 换手率>2%且<9%
- 20日均线大于120日均线
选股逻辑分析
该策略通过筛选均线重合、换手率和均线走势来确定股票的买入时机。首先,筛选出至少5根均线重合的股票,这表明该股票的短期和长期趋势较为一致,有利于投资者判断股票的走势。其次,筛选出换手率>2%且<9%的股票,这表明该股票的交易活跃度适中,有利于投资者进行交易。最后,筛选出20日均线大于120日均线的股票,这表明该股票的短期走势较强,有利于投资者把握买入时机。
有何风险?
该策略的潜在风险包括市场风险、技术分析风险和交易成本风险。市场风险是指股票市场的波动性,可能会导致投资者的收益出现较大波动。技术分析风险是指技术分析的准确性,由于市场走势的复杂性,技术分析的准确性可能会受到影响。交易成本风险是指交易过程中产生的费用,包括交易佣金、汇率损益等,可能会对投资者的收益产生影响。
如何优化?
为了优化该策略,可以考虑以下几点:
- 筛选出更多均线重合的股票,以提高策略的准确性和稳定性。
- 筛选出更多换手率适中的股票,以提高交易活跃度。
- 筛选出更多短期走势较强的股票,以提高买入时机的准确性。
最终的选股逻辑
以下为最终的选股逻辑:
- 筛选出至少6根均线重合的股票
- 换手率>3%且<15%
- 20日均线大于120日均线
python代码参考:
import talib
def strategy(data):
# 筛选出至少6根均线重合的股票
ma60 = talib.MA(data['close'], timeperiod=60)
ma120 = talib.MA(data['close'], timeperiod=120)
ma20 = talib.MA(data['close'], timeperiod=20)
crossovers = []
for i in range(60, 0, -1):
if ma60[i] > ma120[i]:
crossovers.append(i)
if len(crossovers) >= 6:
return True
else:
return False
# 筛选出换手率>3%且<15%的股票
data['volume'] = data['volume'].diff()
data['volume'] = data['volume'].fillna(0)
data['volume'] = data['volume'] / data['close']
data['volume'] = data['volume'].rolling(window=20).mean()
data['volume'] = data['volume'].rolling(window=20).std()
data['volume'] = data['volume'] * 100
data['volume'] = data['volume'].fillna(0)
data['volume'] = data['volume'] > 3
data['volume'] = data['volume'] < 15
data = data[data['volume'] == True]
# 筛选出20日均线大于120日均线的股票
data['diff'] = data['close'].diff()
data['diff'] = data['diff'].fillna(0)
data['diff'] = data['diff'] / data['close']
data['diff'] = data['diff'].rolling(window=20).mean()
data['diff'] = data['diff'].rolling(window=20).std()
data['diff'] = data['diff'] * 100
data = data[data['diff'] > 0]
# 返回符合条件的股票
return data
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。


