问财量化选股策略逻辑
- 至少5根均线重合的股票
- 圆弧形
- 2019分红比例＞25%
选股逻辑分析
- 这个策略基于均线的重合和圆弧形形态来筛选股票。首先，至少5根均线重合的股票意味着这些股票的走势比较稳定，不容易出现大幅波动。其次，圆弧形形态表示股票价格在一段时间内形成了一个上升或下降的趋势，并且可能会继续沿着这个趋势发展。最后，2019分红比例大于25%的股票表示这些公司有一定的分红能力，可能会给投资者带来一定的回报。
有何风险？
- 这个策略可能无法准确预测股票的未来走势，因为股票市场存在很大的不确定性。另外，该策略可能无法考虑到一些重要的公司基本面因素，例如公司的财务状况、管理团队的能力等。
如何优化？
- 为了提高该策略的准确性和可靠性，可以考虑加入更多的技术指标和基本面因素，例如股票的市盈率、市净率、股息率等。另外，可以考虑使用更高级的量化技术，例如机器学习算法和深度学习算法，来分析股票市场。
最终的选股逻辑
- 选取至少5根均线重合的股票
- 股票价格形成圆弧形形态
- 2019分红比例大于25%
- 加入市盈率、市净率、股息率等基本面因素
- 使用机器学习算法或深度学习算法进行分析
python代码参考
- 以下是一个简单的 Python 代码示例，用于筛选符合上述策略的股票：
import talib
def get_rolling_mean(prices, n):
"""
获取 n 日的滚动平均值
"""
return talib.MA(prices, n)
def get_rolling_std(prices, n):
"""
获取 n 日的滚动标准差
"""
return talib.STDDEV(prices, n)
def get_bollinger_bands(prices, n):
"""
获取 n 日的布林线指标
"""
rolling_mean = get_rolling_mean(prices, n)
rolling_std = get_rolling_std(prices, n)
upper = rolling_mean + 2 * rolling_std
lower = rolling_mean - 2 * rolling_std
return upper, lower
def is_stable_price(prices, upper, lower):
"""
判断股票价格是否稳定
"""
if prices > upper or prices < lower:
return False
else:
return True
def is_rounding_price(prices, upper, lower):
"""
判断股票价格是否形成圆弧形
"""
if prices > upper and prices < lower:
return True
else:
return False
def is_dividend_company(prices, dividend_ratio):
"""
判断公司是否具有分红能力
"""
if dividend_ratio > 25:
return True
else:
return False
def get_stable_rounding_dividend_company(prices, upper, lower, dividend_ratio):
"""
获取符合策略的股票
"""
stable_prices = is_stable_price(prices, upper, lower)
rounding_prices = is_rounding_price(prices, upper, lower)
dividend_companies = is_dividend_company(prices, dividend_ratio)
return stable_prices and rounding_prices and dividend_companies
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。
