(同花顺量化)高点为两日最高_、昨天换手率>8%、至少5根均线重合的股票

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

  • 至少5根均线重合的股票
  • 昨天换手率>8%
  • 高点为两日最高

选股逻辑分析

这个策略看起来是基于技术分析的,通过寻找均线重合、高换手率和高股价来筛选股票。其中,均线重合可能意味着股票的走势比较稳定,而高换手率则可能意味着股票比较活跃,有可能出现较大的行情。高股价则可能意味着股票有较大的上涨潜力。综合这些因素,这个策略可能会筛选出一些有潜力的股票。

然而,这个策略也有一定的风险。首先,技术分析并不是完全可靠的,因为股票价格的走势受到许多因素的影响,包括市场情绪、公司业绩等等。其次,高换手率也可能意味着股票被过度交易,从而导致价格波动较大。最后,高股价本身并不代表股票一定会有较大的上涨潜力,因为股票价格也可能受到市场情绪和其他因素的影响。

如何优化?

为了优化这个策略,我们可以考虑以下几点:

  • 使用更多的技术指标来筛选股票,例如MACD、RSI等等,以提高策略的准确性和可靠性。
  • 考虑加入其他因素,例如公司的财务数据、行业情况等等,以更全面地评估股票的价值和潜力。
  • 考虑使用量化交易软件来执行策略,以提高执行效率和准确性。

最终的选股逻辑

最终的选股逻辑可以参考以下Python代码:

import talib

def get_top_converging_moving_average(data, n):
    # 计算n天内的移动平均线
    ma = talib.MA(data, n)
    # 获取所有均线的交叉点
    crosses = talib.CROSS(ma, ma)
    # 获取所有均线的重合点
    convergences = talib.CONVERGENCE(ma, ma)
    # 获取所有重合点中距离最高点最近的点
    top_convergence = talib.MAX(convergences, axis=1)
    # 返回距离最高点最近的重合点的索引
    return top_convergence

def get_top_volume(data, n):
    # 计算n天内的换手率
    volume = data.diff() / data.shift(1)
    # 获取所有换手率的交叉点
    crosses = talib.CROSS(volume, volume)
    # 获取所有换手率的重合点
    convergences = talib.CONVERGENCE(volume, volume)
    # 获取所有重合点中距离最高点最近的点
    top_convergence = talib.MAX(convergences, axis=1)
    # 返回距离最高点最近的重合点的索引
    return top_convergence

def get_top_price(data, n):
    # 计算n天内的最高价
    high = data.rolling(n).max()
    # 获取所有最高价的交叉点
    crosses = talib.CROSS(high, high)
    # 获取所有最高价的重合点
    convergences = talib.CONVERGENCE(high, high)
    # 获取所有重合点中距离最高点最近的点
    top_convergence = talib.MAX(convergences, axis=1)
    # 返回距离最高点最近的重合点的索引
    return top_convergence

def get_top_trading_day(data):
    # 获取所有交易日的索引
    trading_days = data.index
    # 获取所有交易日的最高价
    highs = data.rolling(1).max()
    # 获取所有交易日的换手率
    volumes = data.diff() / data.shift(1)
    # 获取所有交易日的收盘价
    closes = data
    # 获取所有交易日的收盘价与最高价的差值
    highs_closes = highs - closes
    # 获取所有交易日的换手率与收盘价的差值
    volumes_closes = volumes - closes
    # 获取所有交易日的收盘价与最高价的差值的绝对值
    abs_diffs = np.abs(highs_closes)
    # 获取所有交易日的换手率与收盘价的差值的绝对值
    abs_volumes = np.abs(volumes_closes)
    # 获取所有交易日的换手率与收盘价的差值的绝对值的最大值
    max_abs_diff = np.max(abs_diffs)
    # 获取所有交易日的换手率与收盘价的差值的绝对值的最大值的索引
    max_abs_diff_index = np.argmax(abs_diffs)
    # 获取所有交易日的换手率与收盘价的差值的绝对值的最大值的交易日的索引
    max_abs_diff_trading_day = trading_days[max

## 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。
![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论