(同花顺量化)30日平均线向上_、酷特智能早晨之星、至少5根均线重合的股票

问财量化选股策略逻辑

1. 至少5根均线重合的股票
2. 酷特智能早晨之星
3. 30日平均线向上

选股逻辑分析

以上三个逻辑结合起来，可以筛选出均线多头排列、有早晨之星形态且短期趋势向上的股票。这样的股票往往具有较好的上涨潜力。

有何风险？

1. 均线多头排列并不一定意味着股票会上涨，因为还需要考虑其他因素，如成交量、技术指标等。
2. 早晨之星形态的出现并不一定意味着股票会上涨，因为还需要考虑其他因素，如成交量、技术指标等。
3. 短期趋势向上并不一定意味着股票会上涨，因为还需要考虑长期趋势、市场环境等因素。

如何优化？

1. 可以加入其他技术指标，如MACD、RSI等，以更准确地判断股票的上涨趋势。
2. 可以加入其他基本面指标，如市盈率、市净率等，以更准确地判断股票的价值。
3. 可以加入其他市场环境指标，如政策、利率等，以更准确地判断股票的上涨潜力。

最终的选股逻辑

1. 选取至少5根均线重合的股票。
2. 选取酷特智能早晨之星形态的股票。
3. 选取30日平均线向上的股票。
4. 结合其他技术指标、基本面指标和市场环境指标，综合判断股票的上涨潜力。

python代码参考

以下是基于pandas和ta-Lib库的Python代码实现：

import pandas as pd
import talib

def get_crossing_moving_average(data, short_window, long_window):
    # 获取短期移动平均线和长期移动平均线
    short_ma = talib.MA(data, short_window)
    long_ma = talib.MA(data, long_window)
    
    # 判断短期移动平均线是否向上穿过长期移动平均线
    if short_ma[-1] < long_ma[-1] and short_ma[-2] > long_ma[-2]:
        return True
    else:
        return False

def get_hot_stock(data, short_window, long_window):
    # 获取酷特智能早晨之星形态
    hot_stock = []
    for i in range(len(data) - short_window + 1):
        if data[i] > data[i+short_window] and data[i+short_window] > data[i+2*short_window]:
            hot_stock.append(data[i])
    return hot_stock

def get_trend(data, short_window, long_window):
    # 获取30日平均线
    trend = talib.MA(data, 30)
    
    # 判断短期趋势是否向上
    if trend[-1] > trend[-2] and trend[-3] > trend[-4]:
        return True
    else:
        return False

def get_optimized_stock(data, short_window, long_window, macd_window, rsi_window):
    # 获取其他技术指标
    macd = talib.MACD(data, macd_window)
    rsi = talib.RSI(data, rsi_window)
    
    # 判断股票的上涨潜力
    if macd[-1] > macd[-2] and rsi[-1] > rsi[-2]:
        return True
    else:
        return False

# 读取数据
data = pd.read_csv('data.csv')

# 获取至少5根均线重合的股票
crossing_ma = get_crossing_moving_average(data['close'], 5, 20)

# 获取酷特智能早晨之星形态的股票
hot_stock = get_hot_stock(data['close'], 5, 20)

# 获取30日平均线向上的股票
trend = get_trend(data['close'], 30, 60)

# 获取其他技术指标
macd = talib.MACD(data['close'], macd_window)
rsi = talib.RSI(data['close'], rsi_window)

# 获取优化后的股票
optimized_stock = get_optimized_stock(data['close'], 5, 20, macd_window, rsi_window)

# 输出结果
print('Crossing MA:', crossing_ma)
print('Hot Stock:', hot_stock)
print('Trend:', trend)
print('Optimized Stock:', optimized_stock)

其中，data.csv为股票数据文件，包含股票代码、日期、开盘价、收盘价等信息。需要根据实际情况进行调整。

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。