(同花顺量化)500日内至少2次涨停_、北京A股除外、至少5根均线重合的股票

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 北京A股除外
• 500日内至少2次涨停

选股逻辑分析

• 该策略选择的股票是至少5根均线重合的股票，这意味着这些股票的均线走势较为稳定，且价格波动较小，适合长期投资。
• 该策略排除了北京A股，因为北京A股的股票市场较为特殊，可能不适合该策略的使用。
• 该策略选择的股票是500日内至少2次涨停的股票，这意味着这些股票具有较强的市场表现和上涨潜力，适合投资者进行短期投资。

有何风险？

• 该策略选择的股票可能不符合投资者的投资风格和风险承受能力。
• 该策略选择的股票可能因为市场环境的变化而表现不佳。
• 该策略选择的股票可能因为公司内部或外部因素而出现业绩下滑或股价下跌的情况。

如何优化？

• 可以考虑增加其他筛选条件，例如市值、市盈率等，以提高策略的准确性和稳定性。
• 可以考虑使用更多的历史数据来训练模型，以提高策略的预测能力。
• 可以考虑使用更多的技术指标来筛选股票，以提高策略的准确性和稳定性。

最终的选股逻辑

• 选择至少5根均线重合的股票，排除北京A股
• 选择500日内至少2次涨停的股票
• 选择市值、市盈率等其他筛选条件符合条件的股票
• 使用更多的历史数据来训练模型
• 使用更多的技术指标来筛选股票

python代码参考

• 以下是一个简单的Python代码示例，用于筛选符合该策略的股票：

import talib

def get_stocks():
    # 获取所有A股股票的代码
    codes = []
    for index, row in df.iterrows():
        if row['Exchange'] != 'SH':
            codes.append(row['Code'])
    return codes

def get均线(codes):
    # 获取所有股票的均线数据
    ma_data = {}
    for code in codes:
        ma_data[code] = talib.MA(df.loc[code]['Close'], timeperiod=5)
    return ma_data

def get_stocks_with_moving_average(codes, ma_data):
    # 获取符合策略的股票
    stocks = []
    for code in codes:
        if ma_data[code].count() >= 5:
            if ma_data[code].iloc[-1] > ma_data[code].iloc[-20]:
                stocks.append(code)
    return stocks

def get_stocks_with_suddens(codes, ma_data):
    # 获取符合策略的股票
    stocks = []
    for code in codes:
        if ma_data[code].count() >= 5:
            if ma_data[code].iloc[-1] > ma_data[code].iloc[-20] and ma_data[code].iloc[-20] > ma_data[code].iloc[-40]:
                stocks.append(code)
    return stocks

def get_stocks_with_2_suddens(codes, ma_data):
    # 获取符合策略的股票
    stocks = []
    for code in codes:
        if ma_data[code].count() >= 5:
            if ma_data[code].iloc[-1] > ma_data[code].iloc[-20] and ma_data[code].iloc[-20] > ma_data[code].iloc[-40] and ma_data[code].iloc[-40] > ma_data[code].iloc[-60]:
                stocks.append(code)
    return stocks

def main():
    # 获取所有A股股票的代码
    codes = get_stocks()
    # 获取所有股票的均线数据
    ma_data = get均线(codes)
    # 获取符合策略的股票
    stocks = get_stocks_with_moving_average(codes, ma_data)
    # 获取符合策略的股票
    stocks = get_stocks_with_suddens(codes, ma_data)
    # 获取符合策略的股票
    stocks = get_stocks_with_2_suddens(codes, ma_data)
    # 输出符合策略的股票代码
    for code in stocks:
        print(code)

注意：以上代码仅为示例，实际使用时需要根据具体情况进行调整和优化。

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。