(iwencai量化)底部抬高_、昨天换手率＞8%、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
• 昨天换手率＞8%
• 底部抬高

选股逻辑分析

• 该策略首先筛选出至少5根均线重合的股票，这表明这些股票的走势较为稳定，同时也可能表明这些股票的价格走势较为一致。
• 筛选出昨天换手率＞8%的股票，这表明这些股票的交易活跃度较高，可能存在较好的市场机会。
• 筛选出底部抬高的股票，这表明这些股票的价格走势呈现上升趋势，可能存在较好的投资机会。

有何风险？

• 该策略可能无法准确预测股票的价格走势，因此可能存在投资风险。
• 该策略可能无法准确筛选出具有投资价值的股票，因此可能存在投资风险。
• 该策略可能受到市场波动的影响，因此可能存在投资风险。

如何优化？

• 可以通过增加均线数量来提高策略的准确性。
• 可以通过调整换手率的筛选标准来提高策略的准确性。
• 可以通过调整底部抬高的筛选标准来提高策略的准确性。

最终的选股逻辑

• 通过筛选出至少5根均线重合的股票，筛选出昨天换手率＞8%的股票，筛选出底部抬高的股票，将这些股票进行组合，得到最终的股票池。

python代码参考

• 以下是使用pandas和numpy库实现该策略的示例代码：

import pandas as pd
import numpy as np

def strategy(data):
    # 筛选出至少5根均线重合的股票
    ma5 = data['close'].rolling(window=5).mean()
    ma10 = data['close'].rolling(window=10).mean()
    ma20 = data['close'].rolling(window=20).mean()
    ma50 = data['close'].rolling(window=50).mean()
    ma100 = data['close'].rolling(window=100).mean()
    ma200 = data['close'].rolling(window=200).mean()
    ma500 = data['close'].rolling(window=500).mean()
    ma1000 = data['close'].rolling(window=1000).mean()
    if len(set(ma5)) == 5 and len(set(ma10)) == 5 and len(set(ma20)) == 5 and len(set(ma50)) == 5 and len(set(ma100)) == 5 and len(set(ma200)) == 5 and len(set(ma500)) == 5 and len(set(ma1000)) == 5:
        # 筛选出昨天换手率＞8%的股票
        data['yesterday_volume'] = data['volume'].shift(-1)
        data = data[(data['yesterday_volume'] > 8) & (data['volume'] > 100000)]
        # 筛选出底部抬高的股票
        data['bottom'] = data['close'].rolling(window=10).min()
        data = data[(data['close'] > data['bottom']) & (data['close'] > data['close'].shift(1))]
        # 将这些股票进行组合，得到最终的股票池
        return data

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。