(同花顺量化)2021年_、60开头的股票、至少5根均线重合的股票

问财量化选股策略逻辑

首先，我们选择至少5根均线重合的股票。这可以帮助我们确定股票的趋势，并找到股票的支撑和阻力位。接下来，我们选择60开头的股票，因为这种股票通常具有更稳定的走势和更长的历史数据。最后，我们选择2021年的股票，以便我们可以分析过去一年的市场表现。

选股逻辑分析

这个策略的逻辑很简单，就是通过分析股票的均线来确定股票的趋势。具体来说，我们选择至少5根均线，包括5日均线、10日均线、20日均线、30日均线和60日均线。然后，我们计算这些均线的平均值，即移动平均线。最后，我们比较移动平均线的走势，如果至少5根均线重合，则认为该股票处于趋势状态。

有何风险？

这个策略的潜在风险是，如果股票的均线走势过于复杂，那么我们可能会错过一些重要的趋势。此外，如果股票的价格波动较大，那么移动平均线的计算也会受到影响，从而导致我们的判断出现误差。

如何优化？

为了优化这个策略，我们可以考虑使用更多的均线，例如90日均线、120日均线等。这样可以更好地捕捉股票的趋势。此外，我们还可以考虑使用其他技术指标，例如MACD、RSI等，来辅助我们的判断。

最终的选股逻辑

我们选择至少5根均线重合的股票，这些股票的60日均线必须是60开头的。然后，我们计算这些股票的移动平均线，并比较它们的走势。如果至少5根均线重合，则认为该股票处于趋势状态。最后，我们选择2021年的股票，以便我们可以分析过去一年的市场表现。

python代码参考：

import talib

def check均线_cross(ma_list):
    for i in range(len(ma_list)):
        if ma_list[i] > ma_list[i+1] and ma_list[i] > ma_list[i-1]:
            return True
    return False

def select_stock():
    ma_list = [talib.MA(df['close'], timeperiod) for df in stock_data]
    filtered_data = [df for df in stock_data if check均线_cross(ma_list)]
    return filtered_data

# Example usage
stock_data = get_stock_data()
filtered_data = select_stock()

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。