问财量化选股策略逻辑
- 至少5根均线重合的股票
- 收益＞0
- 30日平均线向上
选股逻辑分析
这个策略看起来比较简单，主要基于技术分析，通过观察股票的均线系统来筛选出符合要求的股票。具体来说，它要求至少5根均线重合，意味着这些均线在同一个位置上，表明股票的价格在这个位置上得到了多方面的支撑。同时，策略要求股票的收益要大于0，意味着股票的价格在过去一段时间内是上涨的。最后，策略要求30日平均线向上，表明股票的长期趋势是向上的。
这个策略的逻辑是基于技术分析的，它关注股票的价格走势和均线系统，以此来筛选出符合要求的股票。这种策略的优点是简单易懂，可以快速筛选出符合条件的股票。但是，它也存在一些风险。首先，技术分析并不是完全可靠的，股票的价格走势可能会受到许多因素的影响，包括市场情绪、公司业绩等等。因此，仅仅依靠技术分析来筛选股票可能会导致一些误判。其次，这个策略没有考虑股票的基本面因素，例如公司的财务状况、盈利能力等等。这些因素也对股票的价格走势和长期趋势产生重要影响，因此仅仅依靠技术分析来筛选股票可能会忽略这些因素。
有何风险？
- 技术分析并不是完全可靠的，股票的价格走势可能会受到许多因素的影响，包括市场情绪、公司业绩等等。
- 这个策略没有考虑股票的基本面因素，例如公司的财务状况、盈利能力等等。
如何优化？
- 可以考虑加入基本面因素，例如公司的财务状况、盈利能力等等，来更好地筛选出符合要求的股票。
- 可以考虑加入更多的技术分析指标，例如移动平均线、布林线等等，来更好地判断股票的价格走势和均线系统。
最终的选股逻辑
- 股票的均线系统至少有5根均线重合
- 股票的收益要大于0
- 股票的30日平均线要向上
- 股票的基本面要好，例如财务状况、盈利能力等等
python代码参考
import talib
def get_stock_data(symbol):
# 获取股票的历史价格数据
data = yf.download(symbol, start='2020-01-01', end='2021-12-31')
# 计算移动平均线
ma5 = talib.MA(data['Close'], timeperiod=5)
ma10 = talib.MA(data['Close'], timeperiod=10)
ma20 = talib.MA(data['Close'], timeperiod=20)
ma30 = talib.MA(data['Close'], timeperiod=30)
# 获取均线重合的条件
conditions = [ma5[-1] == ma10[-1], ma5[-1] == ma20[-1], ma5[-1] == ma30[-1]]
# 获取符合要求的股票
stocks = data.index[conditions].tolist()
# 获取股票的基本面数据
基本面_data = yf.download(symbol, start='2020-01-01', end='2021-12-31')
# 计算股票的收益
data['收益'] = data['Close'].pct_change()
# 获取符合要求的股票
stocks = stocks[基本面_data['收益'] > 0]
# 获取符合要求的股票
stocks = stocks[ma5[-1] > ma10[-1]]
# 获取符合要求的股票
stocks = stocks[ma5[-1] > ma20[-1]]
# 获取符合要求的股票
stocks = stocks[ma5[-1] > ma30[-1]]
return 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。
