问财量化选股策略逻辑

1. 至少5根均线重合的股票: 这个逻辑表示股票的价格趋势较为稳定，至少有5条均线在同一个方向上运行，表明市场上的投资者对于这只股票的未来走势有着较为一致的预期。
2. 换手率>2%且<9%: 这个逻辑表示股票的交易活跃度适中，换手率在2%以上但不超过9%，表明这只股票的流通性较好，投资者较为活跃。
3. 按个股热度从大到小排序: 这个逻辑表示投资者对于这只股票的关注度较高，排名靠前的股票通常受到更多的资金关注和追捧。

选股逻辑分析

1. 至少5根均线重合的股票: 这个逻辑可以帮助投资者筛选出价格趋势较为稳定的股票，有利于投资者把握市场趋势。
2. 换手率>2%且<9%: 这个逻辑可以帮助投资者筛选出交易活跃度适中的股票，有利于投资者更好地参与市场交易。
3. 按个股热度从大到小排序: 这个逻辑可以帮助投资者筛选出受到更多资金关注和追捧的股票，有利于投资者把握市场机会。

有何风险？

1. 选择的股票数量较多，可能需要花费较多时间进行筛选和分析。
2. 过于依赖技术指标进行分析，可能忽略其他重要的基本面因素。

如何优化？

1. 结合其他基本面因素进行分析，例如公司的财务状况、盈利能力等。
2. 对于不同行业的股票，可以使用不同的技术指标进行分析，以更好地筛选出适合自己的股票。

最终的选股逻辑

1. 选择至少5根均线重合的股票，表明市场趋势较为稳定。
2. 挑选换手率在2%以上但不超过9%的股票，表明流通性较好。
3. 按照个股热度从大到小排序，选择受到更多资金关注和追捧的股票。
4. 结合其他基本面因素进行分析，例如公司的财务状况、盈利能力等。

python代码参考

1. import talib
2. def get_5_moving_average_prices(symbol):

   获取股票的历史价格数据

   prices = get_price_data(symbol)

   计算5日、10日、20日、60日和120日的移动平均线

   ma5 = talib.MA(prices, timeperiod=5)
   ma10 = talib.MA(prices, timeperiod=10)
   ma20 = talib.MA(prices, timeperiod=20)
   ma60 = talib.MA(prices, timeperiod=60)
   ma120 = talib.MA(prices, timeperiod=120)

   返回5日、10日、20日、60日和120日的移动平均线

   return ma5, ma10, ma20, ma60, ma120
3. def get_stock_selection_data(symbol):

   获取股票的历史价格数据

   prices = get_price_data(symbol)

   计算换手率

   turnover = prices['volume'] / prices['close'] * 100

   获取股票的热度数据

   hotness = get_hotness_data(symbol)

   返回换手率和热度数据

   return turnover, hotness
4. def get_price_data(symbol):

   获取股票的历史价格数据

   data = yf.download(symbol, start='2021-01-01', end='2021-12-31')
   return data['close']
5. def get_hotness_data(symbol):

   获取股票的热度数据

   data = yf.download(symbol, start='2021-01-01', end='2021-12-31')

   计算热度指数

   hotness_index = data['volume'] / data['close'] * 100

   返回热度指数数据

   return hotness_index

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。