(同花顺量化)2021年_、三个技术指标同时金叉、今日增仓占比_5%

问财量化选股策略逻辑

在问财量化选股策略中，我们使用了三个技术指标来筛选股票，即收盘价的相对强度指数（RSI）、布林线的中轨线（Bollinger Middle Line）和移动平均线的金叉（MA Cross）。

具体来说，我们的策略要求股票今日的增仓占比大于5%，并且RSI、Bollinger Middle Line和MA Cross同时金叉。如果同时满足这些条件，我们认为该股票具有较好的投资价值。

选股逻辑分析

这个策略基于技术分析，通过分析股票的收盘价、布林线和移动平均线来判断股票的走势。RSI指标用于衡量股票的超买超卖程度，Bollinger Middle Line则用来衡量股票的价格波动范围，而MA Cross则用来判断股票的多空趋势。

如果股票的RSI、Bollinger Middle Line和MA Cross同时金叉，意味着股票的价格走势良好，有可能出现上涨的趋势。因此，我们选择这些指标来筛选股票。

有何风险？

尽管这个策略基于技术分析，但是股票市场的走势是不可预测的，因此我们的策略也存在一定的风险。首先，技术分析的准确性并不是100%，因此我们的策略可能会漏掉一些具有投资价值的股票。其次，市场情绪也可能影响股票的走势，因此我们的策略可能无法准确预测股票的走势。

如何优化？

为了优化这个策略，我们可以考虑增加更多的技术指标来筛选股票，或者调整筛选条件的阈值。此外，我们还可以考虑将这个策略与其他策略结合起来，以提高其准确性。

最终的选股逻辑

我们的最终的选股逻辑如下：

1. 股票今日的增仓占比大于5%；
2. RSI指标大于50，小于70；
3. Bollinger Middle Line穿越中轨线；
4. MA Cross发生在短期（如5日）和长期（如20日）移动平均线之上。

以下是该策略的python代码参考：

import tushare as ts

# 设置token
ts.set_token('your_token')

# 初始化pro接口
pro = ts.pro_api()

# 获取所有股票的收盘价、成交量、换手率等数据
df = pro.realtime_quotes('000300.XSHG')

# 计算RSI指标
rsi = talib.RSI(df['close'], timeperiod=14)

# 计算布林线的中轨线
bollinger_middle = talib.MA(df['close'], timeperiod=20)

# 计算移动平均线的金叉
ma_cross = talib.CROSS(df['ma5'], df['ma20'])

# 筛选出满足条件的股票
selected = df[(df['close'] > df['close'].rolling(window=10).mean()) & 
              (df['close'] < df['close'].rolling(window=10).mean() + 2 * df['close'].rolling(window=10).std()) & 
              (rsi > 50) & (rsi < 70) & 
              (bollinger_middle > df['close']) & 
              (ma_cross)]

# 输出符合条件的股票代码
print(selected['ts_code'].tolist())

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。