(iwencai量化)反包_、换手率_2%且_9%、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
• 换手率>2%且<9%
• 反包

选股逻辑分析

• 该策略通过寻找均线重合的股票来筛选出可能具有较强趋势的股票。
• 换手率的要求是为了筛选出活跃的交易者，而不是僵尸股。
• 反包则是在股票回调之后，股价再次上涨，形成反转形态，表明市场对股票的走势较为乐观。

有何风险？

• 该策略可能无法准确预测股票的走势，因为趋势的形成需要时间来验证。
• 过于依赖技术指标可能会导致策略的失效，因为市场可能会出现意外的变化。
• 如果市场处于极度不稳定的状态，该策略可能会失效。

如何优化？

• 可以通过增加或减少均线的数量来调整策略的敏感度。
• 可以通过调整换手率和回调幅度的阈值来优化策略。
• 可以通过分析市场情绪和基本面数据来进一步完善策略。

最终的选股逻辑

• 选取至少5根均线重合的股票
• 换手率要求大于2%且小于9%
• 股票在回调之后出现反转形态，即形成反包

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 check_strategy(df):
    # 筛选出至少5根均线重合的股票
    ma策略 = talib.MA(df['close'], timeperiod=5)
    ma策略_1 = talib.MA(df['close'], timeperiod=10)
    ma策略_2 = talib.MA(df['close'], timeperiod=20)
    ma策略_3 = talib.MA(df['close'], timeperiod=30)
    ma策略_4 = talib.MA(df['close'], timeperiod=50)
    ma策略_5 = talib.MA(df['close'], timeperiod=100)
    if len(set(ma策略)) == 5 and len(set(ma策略_1)) == 5 and len(set(ma策略_2)) == 5 and len(set(ma策略_3)) == 5 and len(set(ma策略_4)) == 5 and len(set(ma策略_5)) == 5:
        # 筛选出换手率大于2%且小于9%的股票
        df = df[df['turnover'] > 0.02 and df['turnover'] < 0.09]
        # 筛选出形成反包的股票
        df = df[df['close'] > df['close'].shift(1) and df['close'] < df['close'].shift(-1)]
        return df

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。