(同花顺量化)9点25分涨幅小于6%_、收盘价_boll(upper值)且收盘价_boll

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 收盘价<boll(upper值)且收盘价>boll(mid值)
• 9点25分涨幅小于6%

选股逻辑分析

• 该策略通过选取均线重合的股票，表明这些股票的走势较为稳定，且有较强的支撑和阻力。
• 收盘价在布林带上轨和中轨之间，表明股票价格处于相对高位，可能存在一定的回调风险。
• 9点25分涨幅小于6%，表明该股票在开盘后并没有出现大幅上涨，可能较为谨慎。

有何风险？

• 该策略只考虑了股票的均线和布林带指标，忽略了其他因素，如公司财务状况、行业前景等，因此可能存在一定的风险。
• 该策略选取的股票数量较少，可能存在一定的偏差和误差。

如何优化？

• 可以考虑加入其他指标，如市盈率、市净率等，以更全面地评估股票的价值和风险。
• 可以加入技术指标，如MACD、RSI等，以更准确地判断股票的走势和趋势。

最终的选股逻辑

• 选取均线重合的股票，即5日、10日、20日、60日、120日均线至少有5根重合的股票。
• 股票收盘价在布林带上轨和中轨之间，即收盘价<boll(upper值)且收盘价>boll(mid值)。
• 9点25分涨幅小于6%，即股票在开盘后涨幅小于6%。

python代码参考

import tushare as ts
import talib

# 设置pro接口key
ts.set_token('your_token')

# 初始化pro接口
pro = ts.pro_api()

# 获取所有股票的代码和名称
df = pro.realtime_quotes()
codes = df['ts_code'].tolist()
names = df['name'].tolist()

# 获取布林带指标
df_boll = pro.boll(codes)
upper = df_boll['upper']
mid = df_boll['mid']
lower = df_boll['lower']

# 获取均线指标
df_ma = pro.history(codes, 'close', 5, 10, 20, 60, 120)
ma5 = df_ma['close'].tolist()
ma10 = df_ma['close'].tolist()
ma20 = df_ma['close'].tolist()
ma60 = df_ma['close'].tolist()
ma120 = df_ma['close'].tolist()

# 选取符合条件的股票
selected_codes = []
selected_names = []
for i in range(len(codes)):
    if ma5[i] == ma10[i] == ma20[i] == ma60[i] == ma120[i]:
        selected_codes.append(codes[i])
        selected_names.append(names[i])

# 输出符合条件的股票代码和名称
print(selected_codes)
print(selected_names)

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。