问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1；
- 至少5根均线重合的股票；
- 股票均价站在五日均线之上。
选股逻辑分析
此选股策略对个股的振幅和均线的重合程度进行筛选，同时要求股票均价站在五日均线之上，在很大程度上具有一定的上涨趋势。均线是技术分析中最常用、最有效的工具之一，筛选出至少5根均线重合的股票可以过滤掉一些波动比较明显、参与人数比较少、公司性质比较复杂的股票。 同时，这一策略还考虑了振幅数据，可以划分股票短期波动较大、高风险、高波动性的品种。
有何风险？
股票的均线和价格涨幅并非一定相对应，因此，选股结果可能存在未来涨幅不高的某些股票。此外，只通过振幅数据筛选股票难免存在将部分波动较大的个股错过的情况，因此，需要结合其它指标筛选，以减少风险。
如何优化？
可以结合一些技术指标，如成交量、MACD、KD等指标结合考虑，综合分析企业的财务数据、行业背景等因素来筛选股票。同时，可以探究选股数据的合理区间，以及区间调校频率，以提高策略的稳定性和效果。
最终的选股逻辑
根据以上分析，本策略在原基础上进行如下修改：
- 振幅大于1；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合；
- 股票均价站在五日均线之上；
- 综合考虑公司的基本面和未来发展趋势等因素。
同花顺指标公式代码参考
- 均线指标公式：MA(CLOSE, N)，其中CLOSE表示当日收盘价，N表示均线周期，MA表示计算均值的函数。
- 振幅指标公式：(HIGH - LOW) / REF(CLOSE, 1)，其中HIGH表示当日最高价，LOW表示当日最低价，REF表示取历史数据的函数。
python代码参考
import pandas as pd
import tushare as ts
import talib
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
is_amplitude_large = False
is_ma_converge = False
is_price_above_ma = False
bars = ts.get_k_data(code, '2022-01-01', '2022-12-31')
if bars is not None and len(bars) > 1:
# 振幅大于1
high, low, close = bars['high'].values, bars['low'].values, bars['close'].values
amplitude = (high - low) / close[:-1]
is_amplitude_large = amplitude.max() > 0.01
# 至少5根均线重合的股票
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# 股票均价站在五日均线之上
price_above_ma = close[-1] > ma_5[-1]
is_price_above_ma = price_above_ma
if is_amplitude_large and is_ma_converge and is_price_above_ma:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], ascending=False)
## 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。
