(同花顺量化)100亿市值以内的无亏损企业_、10日涨幅大于0小于35、至少5根均线重合的

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：

1. 至少5根均线重合的股票
2. 10日涨幅大于0小于35
3. 100亿市值以内的无亏损企业

选股逻辑分析

该策略的逻辑是基于技术分析和基本面分析相结合的方式进行股票筛选。首先，该策略要求至少5根均线重合，这表明股票的价格趋势较为稳定，且短期内有较强的支撑和阻力。其次，该策略要求10日涨幅大于0小于35，这表明股票价格在短期内有较大的波动，但还没有达到极端水平。最后，该策略要求100亿市值以内的无亏损企业，这表明该企业财务状况较好，具有较强的抗风险能力。

有何风险？

该策略的缺点是过于依赖技术分析，可能会忽略企业的基本面情况。此外，由于该策略要求股票市值较小，因此可能会错失一些优质企业。

如何优化？

为了优化该策略，可以考虑结合更多的基本面指标，例如市盈率、市净率等，以更全面地评估企业的财务状况和投资价值。此外，可以考虑将市值的要求放宽，以纳入更多优质企业。

最终的选股逻辑

以下是最终的选股逻辑：

1. 股票价格至少有5根均线重合
2. 10日涨幅大于0小于35
3. 市值在100亿以内且无亏损
4. 市盈率小于20，市净率大于1
5. 动量指标向上

python代码参考

以下是基于上述策略的python代码参考：

import talib
import pandas as pd

def get_top_stocks():
    # 获取所有A股数据
    df = pd.read_csv('data.csv')
    
    # 筛选出符合条件的股票
    stocks = df[(df['close'] > df['close'].rolling(5).mean()) & 
                 (df['close'] < df['close'].rolling(5).mean() + 35) & 
                 (df['market_cap'] < 1000000000) & 
                 (df['ebitda'] > 0)]
    
    # 计算技术指标
    stocks['sma5'] = talib.SMA(stocks['close'], timeperiod=5)
    stocks['sma10'] = talib.SMA(stocks['close'], timeperiod=10)
    stocks['macd'], stocks['macdsignal'], stocks['macdhist'] = talib.MACD(stocks['close'], fastperiod=10, slowperiod=20, signalperiod=9)
    stocks['rsi'] = talib.RSI(stocks['close'], timeperiod=14)
    stocks['momentum'] = talib.MOM(stocks['close'], timeperiod=14)
    
    # 选择满足条件的股票
    stocks = stocks[(stocks['sma5'] > stocks['sma10']) & 
                   (stocks['macdsignal'] > stocks['macdhist']) & 
                   (stocks['rsi'] < 70) & 
                   (stocks['momentum'] > 0)]
    
    # 返回符合条件的股票列表
    return stocks['code'].tolist()

请注意，该代码仅供参考，实际使用时需要根据具体情况进行调整和优化。

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。