(同花顺量化)2021年营收除2018年营收大于1

问财量化选股策略逻辑

1. 至少5根均线重合的股票
2. 大单净量排行
3. 2021年营收/2018年营收大于1.1

选股逻辑分析

1. 至少5根均线重合的股票：这个条件筛选出了股票的短期和长期趋势比较稳定，均线形成多头排列的股票，这些股票可能比较容易上涨。
2. 大单净量排行：这个条件筛选出了股票的成交量比较活跃，有资金流入的股票，这些股票可能比较容易上涨。
3. 2021年营收/2018年营收大于1.1：这个条件筛选出了营收增长比较快的股票，这些股票可能具有较好的发展前景。

有何风险？

1. 过于依赖技术指标：使用均线和大单净量等技术指标进行选股，可能会过于依赖这些指标，而忽略了其他因素的影响。
2. 短期波动：股票市场的短期波动较大，因此使用技术指标进行选股时，需要考虑到短期波动的影响。
3. 营收增长的可持续性：筛选营收增长比较快的股票时，需要考虑营收增长的可持续性，否则可能会导致投资风险。

如何优化？

1. 结合其他因素：除了使用技术指标进行选股外，还可以结合其他因素进行优化，例如公司的财务状况、行业发展趋势等。
2. 确定合适的持股时间：在进行投资时，需要确定合适的持股时间，以应对股票市场的短期波动。
3. 分散投资：不要将所有资金都投入到一只股票中，而应该进行分散投资，以降低投资风险。

最终的选股逻辑

1. 筛选出至少5根均线重合的股票
2. 筛选出大单净量排名前100的股票
3. 筛选出2021年营收/2018年营收大于1.1的股票
4. 结合公司的财务状况、行业发展趋势等因素进行综合考虑

python代码参考

import talib
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 筛选出至少5根均线重合的股票
data = data[(data['SMA1'] > data['SMA2']) & (data['SMA2'] > data['SMA3']) & (data['SMA3'] > data['SMA4']) & (data['SMA4'] > data['SMA5'])]

# 筛选出大单净量排名前100的股票
data = data.sort_values(by='DNL', ascending=False)
data = data.head(100)

# 筛选出2021年营收/2018年营收大于1.1的股票
data = data[(data['2021Revenue'] / data['2018Revenue']) > 1.1]

# 结合公司的财务状况、行业发展趋势等因素进行综合考虑
data = data.merge财务数据, on='股票代码')
data = data.merge行业数据, on='股票代码')

# 输出最终的股票列表
print(data[['股票代码', 'SMA1', 'SMA2', 'SMA3', 'SMA4', 'SMA5', 'DNL', '2021Revenue', '2018Revenue', '财务数据', '行业数据']])

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。