问财量化选股策略逻辑
- 至少5根均线重合的股票
- 酷特智能早晨之星
- 100亿市值以内的无亏损企业
选股逻辑分析
- 第一条均线是5日均线，表示最近5天的平均价格
- 第二条均线是10日均线，表示最近10天的平均价格
- 第三条均线是20日均线，表示最近20天的平均价格
- 第四条均线是30日均线，表示最近30天的平均价格
- 第五条均线是60日均线，表示最近60天的平均价格
当至少5根均线重合时，意味着这些均线在同一个时间点上聚集在一起，表示股票的价格走势比较稳定，可能是一个买入信号。
酷特智能早晨之星是一个技术分析指标，用于识别股票的买入和卖出信号。当股票价格突破早晨之星形态的颈线时，通常是一个买入信号。
100亿市值以内的无亏损企业，意味着这些企业的市值不超过100亿元，通常规模较小，可能具有更高的成长潜力和投资价值。
有何风险？
- 仅仅依靠均线重合和酷特智能早晨之星指标来选股，可能会忽略其他重要的基本面因素，导致投资决策的失误。
- 100亿市值以内的无亏损企业，虽然可能具有更高的成长潜力和投资价值，但也可能存在更高的风险，因为这些企业通常规模较小，经营不稳定。
如何优化？
- 可以结合其他基本面因素，例如公司的财务状况、盈利能力、市场份额等，来更加全面地评估股票的投资价值。
- 可以使用更多的技术分析指标，例如MACD、RSI等，来更加准确地识别股票的买入和卖出信号。
最终的选股逻辑
- 选取至少5根均线重合的股票
- 选取酷特智能早晨之星形态突破颈线的股票
- 选取100亿市值以内的无亏损企业
- 结合其他基本面因素和技术分析指标，对股票进行更加全面和准确的评估
python代码参考：
import talib
def morning_star(df):
# 计算5日、10日、20日、30日和60日均线
ma5 = df['close'].rolling(window=5).mean()
ma10 = df['close'].rolling(window=10).mean()
ma20 = df['close'].rolling(window=20).mean()
ma30 = df['close'].rolling(window=30).mean()
ma60 = df['close'].rolling(window=60).mean()
# 计算早晨之星形态
upper = ma5 + (ma5 - ma10) * 1.2
lower = ma5 - (ma5 - ma10) * 1.2
right = ma10 + (ma10 - ma20) * 1.2
left = ma10 - (ma10 - ma20) * 1.2
if df['close'].iloc[-1] > upper and df['close'].iloc[-1] < right:
if df['close'].iloc[-2] > upper and df['close'].iloc[-2] < left:
return True
return False
def get_hot_stocks():
# 获取所有A股股票的代码和名称
codes = list(df['ts_code'].unique())
df = df[df['ts_code'].isin(codes)]
df = df[['ts_code', 'name']]
df = df[['ts_code', 'name']]
# 计算每个股票的酷特智能早晨之星形态
df['morning_star'] = df.apply(lambda x: morning_star(x), axis=1)
# 选取酷特智能早晨之星形态为True的股票
hot_stocks = df[df['morning_star'] == True]
# 选取市值小于100亿元的股票
hot_stocks = hot_stocks[hot_stocks['market_cap'] < 100]
return hot_stocks
# 示例用法
df = get_hot_stocks()
print(df.head())
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。
