(iwencai量化策略)按今日竞价金额排序前5_、10日涨幅大于0小于35、至少5根均线

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 10日涨幅大于0小于35

选股逻辑分析

• 该策略基于技术分析，通过寻找均线重合的股票来筛选可能的买入机会。
• 5根均线代表短期、中期和长期的均线，重合的股票可能表明市场趋势稳定，适合买入。
• 10日涨幅大于0小于35则筛选出有上涨潜力的股票，但又避免了过高的风险。

有何风险？

• 该策略基于历史数据进行筛选，但未来的表现可能不同。
• 均线重合的股票并不一定意味着股票会立即上涨，需要结合其他因素进行分析。
• 该策略可能无法识别市场趋势的反转，可能会在市场下跌时买入股票。

如何优化？

• 可以考虑加入更多均线，例如20日、60日等，以更准确地判断市场趋势。
• 可以结合其他技术指标，例如MACD、RSI等，以更准确地筛选股票。
• 可以加入止损机制，以降低买入股票的风险。

最终的选股逻辑

• 选取至少5根均线重合的股票
• 10日涨幅大于0小于35
• 结合其他技术指标，例如MACD、RSI等
• 加入止损机制

python代码参考

• 以下是一个简单的Python代码示例，用于筛选符合该策略的股票：

import talib

def check_ma_convergence(candles):
    # 获取5日、10日、20日、60日均线
    ma5 = talib.MA(candles.Close, timeperiod=5)
    ma10 = talib.MA(candles.Close, timeperiod=10)
    ma20 = talib.MA(candles.Close, timeperiod=20)
    ma60 = talib.MA(candles.Close, timeperiod=60)

    # 判断5日、10日、20日、60日均线是否重合
    if ma5[-1] == ma10[-1] == ma20[-1] == ma60[-1]:
        return True
    else:
        return False

def check_price_change(candles):
    # 获取10日涨幅
    price_change = candles.Close[-1] - candles.Close[0]

    # 判断10日涨幅是否大于0小于35
    if price_change > 0 and price_change < 35:
        return True
    else:
        return False

def check_stock(candles):
    # 筛选符合策略的股票
    ma_convergence = check_ma_convergence(candles)
    price_change = check_price_change(candles)

    if ma_convergence and price_change:
        return True
    else:
        return False

# 示例数据
candles = pd.read_csv('data.csv')

# 筛选符合策略的股票
filtered_stocks = candles[candles['Stock'].isin(check_stock(candles))]

# 输出结果
print(filtered_stocks)

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。