问财量化选股策略逻辑
- 至少5根均线重合的股票
- 股价为18.5元
- 2021年营收/2018年营收大于1.1
选股逻辑分析
这个策略的逻辑是寻找那些至少有5根均线重合的股票，并且这些股票的股价应该在18.5元以下。同时，这些股票的2021年营收应该大于2018年的营收的1.1倍。这样的策略可能有助于寻找那些具有稳定增长趋势的股票，并且可能在短期内具有较好的表现。
然而，这个策略也有一些风险。首先，它可能会过于侧重于短期表现，而忽略了长期增长潜力。其次，它可能会忽略那些虽然没有重合均线，但仍然具有稳定增长潜力的股票。最后，它可能会过度集中在某些特定的行业或公司，这可能会导致投资组合的过于集中。
如何优化？
为了优化这个策略，我们可以考虑以下几点：
- 确保选取的股票具有足够的增长潜力，而不是仅仅关注短期表现。
- 将策略应用于更广泛的市场，而不是仅仅关注某个特定的行业或公司。
- 使用更多的数据和分析工具来评估股票的价值和潜力，而不是仅仅依赖于简单的财务指标。
最终的选股逻辑
- 股价在18.5元以下
- 2021年营收/2018年营收大于1.1
- 至少有5根均线重合
- 具有稳定增长潜力
- 未过度集中在某个特定的行业或公司
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_average(data, n):
"""计算股票的n日滚动平均值"""
rolling_mean = talib.MA(data, n)
return rolling_mean
def get_revenue_growth(data):
"""计算股票的营收增长"""
revenue_growth = data['Revenue'].pct_change()
return revenue_growth
def get策略股票数据(data):
"""筛选符合策略的股票"""
rolling_averages = []
revenue_growths = []
for i in range(1, len(data)):
rolling_average = get_rolling_average(data['Close'], i)
revenue_growth = get_revenue_growth(data['Revenue'])
rolling_averages.append(rolling_average)
revenue_growths.append(revenue_growth)
return rolling_averages, revenue_growths
rolling_averages, revenue_growths = get_strategy_stock_data(data)
其中，data是一个包含股票数据的Pandas DataFrame。这个函数将返回一个包含符合策略的股票的滚动平均值和营收增长的列表。请注意，这个函数使用了Talib库中的MA和pct_change函数来计算滚动平均值和营收增长。
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。
