(iwencai量化策略)北京A股除外_、9点25分涨幅小于6%、至少5根均线重合的股票

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

  • 至少5根均线重合的股票

  • 9点25分涨幅小于6%,北京A股除外

选股逻辑分析

这个策略的逻辑是基于技术分析的,通过寻找至少5根均线重合的股票,来寻找股票的支撑位和压力位,同时在9点25分之前筛选出涨幅小于6%的股票,避免买入涨幅过大的股票,从而降低买入的风险。

有何风险?

这个策略的缺点是过于依赖技术分析,可能会忽略其他重要的基本面因素,例如公司的财务状况、行业前景等。此外,如果市场出现较大的波动,可能会导致策略失效。

如何优化?

为了优化这个策略,可以考虑加入其他基本面因素的分析,例如公司的财务状况、行业前景等。此外,可以考虑加入一些技术指标的分析,例如布林线、移动平均线等,以更好地判断股票的价格走势。

最终的选股逻辑

综合考虑技术分析和基本面分析,我们可以使用以下的策略来筛选股票:

  • 筛选出至少5根均线重合的股票
  • 筛选出9点25分涨幅小于6%,北京A股除外的股票
  • 筛选出财务状况良好、行业前景看好的股票
  • 使用布林线、移动平均线等技术指标分析股票的价格走势

python代码参考

以下是一个简单的 Python 代码参考,用于实现上述策略:

import tushare as ts

# 初始化 Tushare
ts.set_token('your_token_here')

# 获取所有 A 股股票的代码
all_codes = ts.get_stock_basics().code.tolist()

# 筛选出至少5根均线重合的股票
def get_reversed_moving_average_codes():
    codes = []
    for code in all_codes:
        # 获取股票的历史数据
        df = ts.get_k_data(code, start='2021-01-01', end='2021-12-31')
        # 计算股票的收盘价移动平均线
        ma = df['close'].rolling(window=5).mean()
        # 获取股票的收盘价反转移动平均线
        ma_reversed = ma.shift(1)
        # 筛选出至少5根均线重合的股票
        if ma[-1] == ma_reversed[-1] and ma[-2] == ma_reversed[-2] and ma[-3] == ma_reversed[-3] and ma[-4] == ma_reversed[-4] and ma[-5] == ma_reversed[-5]:
            codes.append(code)
    return codes

# 筛选出9点25分涨幅小于6%,北京A股除外的股票
def get_non_bj_codes():
    codes = []
    for code in all_codes:
        # 获取股票的实时行情数据
        df = ts.get_k_data(code, start='2021-01-01', end='2021-12-31')
        # 获取股票的开盘价、收盘价、最高价、最低价
        open_price, close_price, high_price, low_price = df['open'], df['close'], df['high'], df['low']
        # 计算股票的涨幅
        rise = close_price - open_price
        # 筛选出涨幅小于6%的股票
        if rise[-1] < 0.06:
            codes.append(code)
    return codes

# 筛选出财务状况良好、行业前景看好的股票
def get_finance_and_industry_codes():
    codes = []
    for code in all_codes:
        # 获取股票的财务数据
        df = ts.get_finance(code)
        # 筛选出财务状况良好的股票
        if df['debt_to_equity_ratio'] < 0.5 and df['return_on_assets'] > 0.1 and df['return_on_equity'] > 0.1:
            codes.append(code)
        # 获取股票的行业数据
        df = ts.get_industry(code)
        # 筛选出行业前景看好的股票
        if df['industry_code'] in ['600036', '600088', '600099', '600104', '600111', '600121', '600136', '600157', '600166', '600176', '600188', '600198', '600208', '600213', '600221', '6002

## 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。
![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论