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%
- 大单净量排行
选股逻辑分析
- 该策略通过结合均线、换手率和大单净量三个指标来筛选股票。
- 首先，至少5根均线重合的股票表示市场趋势较为稳定，可能具有较好的投资价值。
- 其次，换手率>2%且<9%的股票表示市场活跃度适中，可能存在较好的交易机会。
- 最后，大单净量排行的股票表示市场资金流入较为明显，可能具有较好的上涨潜力。
有何风险？
- 该策略没有考虑股票的基本面因素，仅仅通过技术指标来筛选股票，可能存在一定的风险。
- 如果市场趋势发生改变，均线重合的股票可能不再具备投资价值。
- 换手率过低或过高也可能导致股票价格波动较大，投资者需要谨慎操作。
- 大单净量排行榜上的股票可能存在被庄家操纵的情况，投资者需要谨慎分析。
如何优化？
- 该策略可以通过结合更多的技术指标和基本面因素来进一步优化。
- 可以考虑加入市盈率、市净率等指标来筛选股票的基本面情况。
- 可以考虑加入MACD、KDJ等技术指标来更加准确地判断市场趋势。
最终的选股逻辑
- 通过结合均线、换手率、大单净量、市盈率、市净率和MACD、KDJ等技术指标，筛选出至少5根均线重合、换手率>2%且<9%、大单净量排名靠前、市盈率和市净率适中且MACD、KDJ等技术指标处于上升趋势的股票。
python代码参考
import talib
import pandas as pd
def get_rolling_average(prices, n):
"""
获取n日的滚动平均值
"""
return prices.rolling(n).mean()
def get_top_n_volume(data, n):
"""
获取n日成交量最大的前n个股票
"""
volume = data['volume']
top_n = volume.nlargest(n)
return top_n.index.tolist()
def get_stock_data(symbol):
"""
获取股票数据
"""
df = pd.read_csv('stock_data.csv')
df = df[df['symbol'] == symbol]
return df
def get筛选条件():
"""
获取筛选条件
"""
ma5 = get_rolling_average(df['close'], 5)
ma10 = get_rolling_average(df['close'], 10)
ma20 = get_rolling_average(df['close'], 20)
ma60 = get_rolling_average(df['close'], 60)
df['ma5'] = ma5
df['ma10'] = ma10
df['ma20'] = ma20
df['ma60'] = ma60
df['rolling_vol'] = df['volume'].rolling(5).sum()
df['rolling_ma_diff'] = df['ma5'] - df['ma10']
df['rolling_ma_diff2'] = df['ma10'] - df['ma20']
df['rolling_ma_diff3'] = df['ma20'] - df['ma60']
df['rolling_ma'] = df['ma5'] + df['ma10'] + df['ma20'] + df['ma60']
df['rolling_rsi'] = talib.RSI(df['close'], timeperiod=14)
df['rolling_macd'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df['rolling_kdj'] = talib.KDJ(df['close'], fastperiod=3, slowperiod=3, signalperiod=3)
df['top_n_volume'] = get_top_n_volume(df['volume'], 10)
return df
def get_stock筛选结果():
"""
获取股票筛选结果
"""
df = get筛选条件()
df = df[df['rolling_ma_diff'] > 0]
df = df[df['rolling_ma_diff2'] > 0]
df = df[df['rolling_ma_diff3'] > 0]
df = df[df['rolling_ma'] > 0]
df = df[df['rolling_rsi'] > 20]
df = df[df['rolling_macd'] > 0]
df = df[df['rolling_kdj'] > 50]
## 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。
