(iwencai量化策略)macd零轴以上_、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%
• macd零轴以上

选股逻辑分析

• 这个策略选择至少5根均线重合的股票，意味着这些股票的均线趋势比较稳定，可能表明股票价格的走势比较明确。
• 要求昨天换手率＞8%，说明这个股票的交易活跃度较高，可能表明股票价格的波动性较大。
• 要求macd零轴以上，说明这个股票的短期和长期趋势都是向上的，可能表明股票价格的上涨趋势比较明显。

有何风险？

• 这个策略选择的股票可能不符合投资者的风险偏好，例如一些股票的价格波动性较大，可能会让投资者感到不安。
• 如果股票的价格没有按照预期的方向波动，那么这个策略可能会失效。

如何优化？

• 可以考虑加入更多的过滤条件，例如选择成交量较大的股票，或者选择股票的市值比较大的股票，以提高策略的可靠性。
• 可以考虑加入更多的时间周期，例如选择更短的均线周期，或者选择更长的均线周期，以更好地反映股票的价格趋势。

最终的选股逻辑

• 选择至少5根均线重合的股票
• 要求昨天换手率＞8%
• 要求macd零轴以上
• 可以考虑加入更多的过滤条件，例如选择成交量较大的股票，或者选择股票的市值比较大的股票
• 可以考虑加入更多的时间周期，例如选择更短的均线周期，或者选择更长的均线周期

python代码参考

• 以下是一个简单的Python代码示例，用于实现这个策略：

import talib
import pandas as pd

def strategy(data):
    # 获取股票的收盘价和成交量数据
    close_prices = data['close']
    volume_data = data['volume']
    
    # 计算5日、10日、20日、60日和120日的均线
    ma5 = talib.MA(close_prices, timeperiod=5)
    ma10 = talib.MA(close_prices, timeperiod=10)
    ma20 = talib.MA(close_prices, timeperiod=20)
    ma60 = talib.MA(close_prices, timeperiod=60)
    ma120 = talib.MA(close_prices, timeperiod=120)
    
    # 计算昨天的换手率
    yesterday_volume = volume_data[-1]
    yesterday_close = close_prices[-1]
    yesterday_open = close_prices[-2]
    yesterday_high = close_prices[-3]
    yesterday_low = close_prices[-4]
    yesterday換手率 = yesterday_volume / yesterday_open * 100
    
    # 计算macd零轴以上
    macd, macd_signal, macd_hist = talib.MACD(close_prices)
    macd_zero_cross = macd_signal[-1] > macd[-1]
    
    # 判断是否符合策略
    if ma5[-1] == ma10[-1] == ma20[-1] == ma60[-1] == ma120[-1] and yesterday換手率 > 8 and macd_zero_cross:
        return True
    else:
        return 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。