(iwencai量化策略)macd零轴以上_、竞价涨幅＞-2＜5、今日增仓占比_5%

问财量化选股策略逻辑

• 今日增仓占比>5%
• 竞价涨幅＞-2＜5
• macd零轴以上

选股逻辑分析

• 今日增仓占比>5%：表示该股票在最近一段时间内有较多的主力资金流入，说明市场对该股票的未来走势较为看好。
• 竞价涨幅＞-2＜5：表示该股票在集合竞价阶段的价格涨幅大于-2%，小于5%，说明该股票在开盘价方面有一定的优势。
• macd零轴以上：表示该股票的短期移动平均线（快线）和长期移动平均线（慢线）之间的距离大于0，说明该股票的短期趋势和长期趋势都是向上的。

有何风险？

• 如果市场对该股票的未来走势并不看好，那么主力资金可能会在短时间内撤出，导致股票价格下跌。
• 如果该股票在集合竞价阶段的价格涨幅过大，那么在开盘价方面可能会出现回调，导致股票价格下跌。

如何优化？

• 可以加入更多筛选条件，例如股票的市值、市盈率等，以更加准确地筛选出有潜力的股票。
• 可以将筛选条件的时间范围改为更短的时间周期，例如1天、3天等，以更加及时地反映市场走势。

最终的选股逻辑

• 今日增仓占比>5%
• 竞价涨幅＞-2＜5
• macd零轴以上
• 股票市值大于100亿
• 市盈率小于30

python代码参考

• 代码中需要导入问财量化交易的库和模块
• 可以使用以下代码来实现该策略：

import tushare as ts
import talib

# 初始化pro接口
pro = ts.pro_api()

# 获取所有股票的增仓数据
data = pro.stock_realtime_quotes('000300.XSHG')

# 计算今日增仓占比
data['frac_increase'] = data['turnover'] / data['close'] * 100

# 获取所有股票的竞价涨幅数据
data = pro.realtime_quotes('000300.XSHG')

# 计算竞价涨幅
data['pre_close'] = data['pre_close'].rolling(window=1).mean()
data['pre_open'] = data['pre_open'].rolling(window=1).mean()
data['pre_settle'] = data['pre_settle'].rolling(window=1).mean()
data['pre_volume'] = data['pre_volume'].rolling(window=1).mean()
data['pre_amount'] = data['pre_amount'].rolling(window=1).mean()
data['open'] = data['open'].rolling(window=1).mean()
data['high'] = data['high'].rolling(window=1).mean()
data['low'] = data['low'].rolling(window=1).mean()
data['settle'] = data['settle'].rolling(window=1).mean()
data['volume'] = data['volume'].rolling(window=1).mean()
data['amount'] = data['amount'].rolling(window=1).mean()
data['close'] = data['close'].rolling(window=1).mean()
data['frac_open'] = data['open'] / data['pre_close'] * 100
data['frac_settle'] = data['settle'] / data['pre_settle'] * 100
data['frac_volume'] = data['volume'] / data['pre_volume'] * 100
data['frac_amount'] = data['amount'] / data['pre_amount'] * 100

# 计算macd零轴以上
data['dif'] = talib.DIF(data['close'], data['fast'], data['slow'])
data['dea'] = talib DEA(data['dif'], data['fast'], data['slow'])
data['macd'] = data['dif'] - data['dea']

# 筛选出今日增仓占比>5%、竞价涨幅＞-2＜5、macd零轴以上的股票
selected = data[(data['frac_increase'] > 5) & (data['frac_open'] > -2) & (data['macd'] > 0)]

# 输出筛选结果
print(selected)

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。