问财量化选股策略逻辑

• 至少5根均线重合的股票
• 开盘价在十日线左右
• 换手率3%-12%

选股逻辑分析

• 这个策略的逻辑是基于技术分析的，通过分析股票的均线和换手率来筛选股票。
• 首先，需要找到至少5根均线重合的股票，这通常意味着股票价格在短期内会保持稳定。
• 其次，需要找到开盘价在十日线左右的股票，这通常意味着股票价格处于中期趋势的转折点。
• 最后，需要找到换手率在3%-12%之间的股票，这通常意味着股票的流动性较好，市场关注度较高。

有何风险？

• 这个策略的逻辑是基于技术分析的，而技术分析并不是完全可靠的，因此可能存在一定的风险。
• 另外，这个策略只考虑了股票的均线和换手率，而忽略了其他因素，例如公司的财务状况、行业前景等等，因此可能存在一定的风险。

如何优化？

• 可以考虑加入更多的技术指标，例如布林线、MACD等等，来提高策略的准确性和可靠性。
• 可以考虑加入更多的基本面指标，例如市盈率、市净率等等，来更好地评估股票的价值和风险。

最终的选股逻辑

• 首先，找到至少5根均线重合的股票。
• 其次，找到开盘价在十日线左右的股票。
• 再次，找到换手率在3%-12%之间的股票。
• 最后，加入更多的技术指标和基本面指标，以提高策略的准确性和可靠性。

python代码参考

• import talib
• import pandas as pd

• 读取股票数据

• df = pd.read_csv('stock_data.csv')

• 计算均线

• ma5 = talib.MA(df['close'], timeperiod=5)
• ma10 = talib.MA(df['close'], timeperiod=10)
• ma20 = talib.MA(df['close'], timeperiod=20)

• 找到至少5根均线重合的股票

• common = pd.DataFrame()
• for i in range(5, len(ma5)):
  if ma5[i] == ma10[i] == ma20[i]:
  common = common.append(df.iloc[i])

• 找到开盘价在十日线左右的股票

• df['ten_day'] = df['close'].rolling(window=10).mean()
• df['oversold'] = df['ten_day'] - df['close']
• df['overbought'] = df['close'] - df['ten_day']
• buy = df[df['oversold'] < 0]
• sell = df[df['overbought'] > 0]

• 找到换手率在3%-12%之间的股票

• df['turnover'] = df['volume'] / df['close'] * 100
• df['buy'] = df[df['turnover'] > 3]
• df['sell'] = df[df['turnover'] < 12]

• 找到符合条件的股票

• stocks = pd.concat([common, buy, sell])

• 输出结果

• stocks.to_csv('selected_stocks.csv')

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。