问财量化选股策略逻辑
- 至少5根均线重合的股票
- 换手率>2%且<9%
-dea上涨
选股逻辑分析
这个策略的逻辑是基于技术分析和市场情绪来筛选股票。首先，筛选出至少5根均线重合的股票，这通常意味着这些股票的价格趋势比较稳定，同时也表明市场参与者对这些股票的共识比较一致。其次，筛选出换手率在2%到9%之间的股票，这意味着这些股票的交易活跃度适中，既不太高也不太低，可以避免过度交易和市场噪音的影响。最后，筛选出dea上涨的股票，这通常意味着这些股票的市场情绪比较积极，投资者对这些股票的预期比较乐观。
有何风险？
这个策略的潜在风险包括市场风险、技术分析的局限性以及过度交易的风险。首先，市场风险是指股票市场的价格波动性和不确定性，这些因素可能会影响股票的价格和表现。其次，技术分析的局限性是指技术分析方法只能反映过去的价格趋势和市场行为，而不能预测未来的价格走势。最后，过度交易的风险是指过度交易可能会导致投资者在市场中产生不必要的交易成本和风险。
如何优化？
为了优化这个策略，可以考虑以下几点：
- 筛选出更多或更少的均线重合的股票，以适应不同的市场环境和投资风格。
- 筛选出更广泛的换手率范围，以适应不同的投资者需求和风险偏好。
- 筛选出更广泛的dea上涨范围，以适应不同的市场情绪和投资目标。
最终的选股逻辑
以下是最终的选股逻辑：
- 筛选出至少3根均线重合的股票，这通常意味着这些股票的价格趋势比较稳定，同时也表明市场参与者对这些股票的共识比较一致。
- 筛选出换手率在3%到7%之间的股票，这意味着这些股票的交易活跃度适中，既不太高也不太低，可以避免过度交易和市场噪音的影响。
- 筛选出dea上涨的股票，这通常意味着这些股票的市场情绪比较积极，投资者对这些股票的预期比较乐观。
以下是python代码参考：
import talib
def strategy(data):
# 筛选出至少3根均线重合的股票
ma3 = talib.MA(data['close'], timeperiod=3)
ma5 = talib.MA(data['close'], timeperiod=5)
ma10 = talib.MA(data['close'], timeperiod=10)
ma20 = talib.MA(data['close'], timeperiod=20)
ma30 = talib.MA(data['close'], timeperiod=30)
ma60 = talib.MA(data['close'], timeperiod=60)
ma120 = talib.MA(data['close'], timeperiod=120)
if len(set(ma3)) == 3 and len(set(ma5)) == 3 and len(set(ma10)) == 3 and len(set(ma20)) == 3 and len(set(ma30)) == 3 and len(set(ma60)) == 3 and len(set(ma120)) == 3:
# 筛选出换手率在3%到7%之间的股票
data['volume'] = data['volume'].rolling(window=30).mean()
data = data[(data['volume'] > 2) & (data['volume'] < 9)]
# 筛选出dea上涨的股票
data['dea'] = talib.STOCH(data['close'], fastperiod=14, slowperiod=3, fastkperiod=3, slowkperiod=3)
data = data[(data['dea'][0] > data['dea'][1]) & (data['dea'][1] > data['dea'][2])]
return data
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。
