问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1
- 至少5根均线重合的股票
- DEA上涨
选股逻辑分析
该选股策略继承了前面的两个条件，重点关注筛选出了趋势上涨的股票，给出了另外一种经典的技术分析形态。
有何风险？
DEA上涨虽能够筛选出很多趋势向上的股票，但是有可能过于依赖技术分析，忽略了基本面的影响。
如何优化？
与前面一样，可以加入一部分可以初判公司财务状况的数据。
最终的选股逻辑
综合因素修改后的选股逻辑为：
- 振幅大于1，市场对于波动剧烈的股票更感兴趣；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合，表示股票处于相对稳定状态；
- DEA上涨，通过技术形态找到趋势向上的股票；
- 其他财务指标表现优秀，绩效稳健。
同花顺指标公式代码参考
- DEA上涨：MACD(DEA,SHORT,LONG)>MACD(DEA,SHORT,LONG,1)，DEA、SHORT、LONG分别表示MACD指标中的相关参数
Python代码参考
import pandas as pd
import tushare as ts
import talib
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
is_amplitude_large = False
is_ma_converge = False
is_dea_rising = False
is_good_fundamentals = False
bars = ts.get_k_data(code, ktype='D')
if bars is not None:
is_amplitude_large = (bars['high'].iloc[-1] - bars['low'].iloc[-1])/bars['low'].iloc[-1] > 0.01
# 至少5根均线重合的股票
close = bars['close'].values
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# DEA上涨
macd, signal, hist = talib.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
is_dea_rising = macd[-1] > signal[-1] and macd[-2] < signal[-2]
# 较好的财务基本面表现
is_good_fundamentals = True # 根据其他财务指标进行判断
if is_amplitude_large and is_ma_converge and is_dea_rising and is_good_fundamentals:
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], ascending=False)
## 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。
