问财量化选股策略逻辑
- 至少5根均线重合的股票
- 流通盘小于等于55亿股
- 2021年
选股逻辑分析
- 这个策略选择的股票是至少5根均线重合的股票，这表明这些股票的短期和长期趋势比较一致，可能更具有投资价值。
- 另外，该策略选择流通盘小于等于55亿股的股票，这可能是因为这些股票更容易受到市场波动的影响，因此更需要关注其长期趋势。
- 最后，该策略选择2021年的股票，这可能是因为2021年是疫情爆发的一年，市场出现了很多不确定因素，因此需要选择具有长期投资价值的股票。
有何风险？
- 该策略选择的股票可能没有足够的投资价值，导致投资失败。
- 另外，该策略选择的股票流通盘较小，可能更容易受到市场波动的影响，导致投资风险增加。
- 最后，该策略选择的是2021年的股票，这可能是因为2021年是疫情爆发的一年，市场出现了很多不确定因素，因此需要更加谨慎地选择股票。
如何优化？
- 可以考虑加入更多的技术指标，例如MACD、RSI等，以更好地判断股票的投资价值。
- 可以考虑加入更多的市场因素，例如政策、经济等，以更好地判断股票的投资价值。
- 可以考虑加入更多的量化策略，例如均值回归、趋势跟踪等，以更好地判断股票的投资价值。
最终的选股逻辑
- 选择至少5根均线重合的股票
- 选择流通盘小于等于55亿股的股票
- 选择2021年的股票
- 加入MACD、RSI等技术指标
- 加入政策、经济等市场因素
- 加入均值回归、趋势跟踪等量化策略
python代码参考
- 以下是一个简单的Python代码示例，用于实现上述策略：
import talib
import pandas as pd
def get_stock_data():
# 获取股票数据
data = pd.read_csv('stock_data.csv')
return data
def get_ma(data, n):
# 计算n日均线
ma = talib.MA(data['close'], n)
return ma
def get_relevant_data(data):
# 获取符合条件的股票数据
relevant_data = data[(data['close'] > ma(data, 5)) & (data['close'] < ma(data, 20)) & (data['流通盘'] <= 550000000) & (data['year'] == 2021)]
return relevant_data
def get_top_relevant_stocks(relevant_data):
# 获取前n个符合条件的股票
top_stocks = relevant_data.nlargest(n, 'close')
return top_stocks
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。
