问财量化选股策略逻辑
- 至少5根均线重合的股票
- 流通市值大于100亿元
- 9点25分涨幅小于6%
选股逻辑分析
- 这个策略首先寻找至少5根均线重合的股票，这意味着这些股票的走势非常接近，可能表明它们有共同的趋势。
- 然后，该策略要求这些股票的流通市值大于100亿元，这意味着这些股票的规模较大，可能更具有投资价值。
- 最后，该策略要求这些股票在9点25分的涨幅小于6%，这意味着这些股票在开盘时的价格相对较低，可能有上涨的空间。
有何风险？
- 这个策略可能无法准确预测股票的走势，因为股票的价格受到许多因素的影响，包括市场情绪、公司业绩等等。
- 另外，这个策略可能无法考虑到一些重要的因素，例如公司的财务状况、管理团队的能力等等。
如何优化？
- 为了优化这个策略，可以考虑使用更多的技术指标来分析股票的走势，例如移动平均线、布林线等等。
- 另外，可以考虑使用更多的数据来分析股票，例如历史价格、成交量等等。
最终的选股逻辑
- 这个策略首先寻找至少5根均线重合的股票，这意味着这些股票的走势非常接近，可能表明它们有共同的趋势。
- 然后，该策略要求这些股票的流通市值大于100亿元，这意味着这些股票的规模较大，可能更具有投资价值。
- 接着，该策略要求这些股票的移动平均线和布林线都在上升趋势中，这意味着这些股票的走势非常稳定。
- 最后，该策略要求这些股票在9点25分的涨幅小于6%，这意味着这些股票在开盘时的价格相对较低，可能有上涨的空间。
python代码参考
- 以下是一个简单的Python代码示例，用于实现这个策略：
import tushare as ts
import talib
# 设置tushare的key
ts.set_token('your_token_here')
# 初始化pro接口
pro = ts.pro_api()
# 获取所有A股的股票代码
stock_codes = pro.stock_code_list()
# 获取所有A股的均线数据
ma_data = pro.industry_moving_average('000300.XSHG', timeperiods=[10, 20, 30, 60, 120])
# 获取所有A股的布林线数据
boll_data = pro.industry_bollinger('000300.XSHG', timeperiods=[10, 20, 30, 60, 120])
# 选择至少5根均线重合的股票
selected_stocks = []
for code in stock_codes:
ma_data[code].plot()
boll_data[code].plot()
if len(set(ma_data[code].index)) >= 5 and len(set(boll_data[code].index)) >= 5:
selected_stocks.append(code)
# 选择流通市值大于100亿元的股票
selected_stocks = [code for code in selected_stocks if pro.security_info(code)['total_mv'] > 100e9]
# 选择移动平均线和布林线都在上升趋势中的股票
selected_stocks = [code for code in selected_stocks if ma_data[code].mean() > ma_data[code].rolling(window=20).mean() and boll_data[code].upper > boll_data[code].lower]
# 选择9点25分涨幅小于6%的股票
selected_stocks = [code for code in selected_stocks if pro.realtime_quotes(code)['pre_close'] > pro.realtime_quotes(code)['open'] * (1 - 0.06)]
# 输出最终的股票代码列表
print(selected_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。
