(iwencai量化策略)PE_0_、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

首先，我们定义了以下三个条件来筛选股票：

1. 换手率：要求股票的换手率在2%到9%之间，这个条件可以筛选出比较活跃的股票，避免冷门股。
2. PE：要求股票的市盈率大于0，这个条件可以筛选出具有投资价值的股票。
3. 五根均线重合：要求股票的五根均线（包括5日、10日、20日、60日和120日均线）重合，这个条件可以筛选出趋势较为稳定的股票。

选股逻辑分析

这个策略的逻辑是通过筛选出符合以上三个条件的股票，来找到具有投资价值和活跃度的股票。这些股票的趋势较为稳定，可能会有较好的投资回报。

有何风险？

这个策略的局限性在于，它只能筛选出符合特定条件的股票，而不能对整个市场进行全面分析。另外，股票市场的波动性较大，即使符合上述条件的股票也可能出现短期波动，因此投资者需要谨慎考虑。

如何优化？

为了优化这个策略，我们可以考虑加入更多的条件来筛选股票，例如加入股票的市值、行业等信息。另外，我们也可以考虑加入技术指标来更好地分析股票的趋势和波动性。

最终的选股逻辑

以下是最终的选股逻辑：

1. 换手率：要求股票的换手率在2%到9%之间。
2. PE：要求股票的市盈率大于0。
3. 五根均线重合：要求股票的五根均线（包括5日、10日、20日、60日和120日均线）重合。
4. 市值：要求股票的市值在一定范围内。
5. 行业：要求股票所在行业具有一定的投资价值。

以下是最终的python代码参考：

import talib

def get_stock_data(symbol):
    # 获取股票的历史数据
    data = yf.download(symbol, start='2020-01-01', end='2021-12-31')
    # 计算五根均线
    ma5 = talib.MA(data['close'], timeperiod=5)
    ma10 = talib.MA(data['close'], timeperiod=10)
    ma20 = talib.MA(data['close'], timeperiod=20)
    ma60 = talib.MA(data['close'], timeperiod=60)
    ma120 = talib.MA(data['close'], timeperiod=120)
    # 计算五根均线的重合情况
    is_converged = ma5[-1] == ma10[-1] == ma20[-1] == ma60[-1] == ma120[-1]
    # 返回符合条件的股票数据
    return data[(data['close'] > 0) & (data['close'] < data['close'].max()) & (data['volume'] > 2000000) & (data['volume'] < 90000000) & is_converged]

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。