(i问财选股策略)换手率3%-12%_、昨天换手率＞8%、至少5根均线重合的股票

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 昨天换手率＞8%
• 换手率3%-12%

选股逻辑分析

• 这个策略通过寻找均线重合的股票来寻找趋势性机会。当均线重合时，通常意味着股票的价格趋势将会延续，因为此时市场上的多空力量平衡。同时，昨天换手率大于8%可以筛选出有资金流入的股票，而换手率在3%-12%之间可以避免过度交易的情况。
• 但是，这个策略的缺点是它可能无法捕捉到一些短期波动的机会，因为均线的重合可能需要一段时间才能实现。此外，如果市场出现极端的情况，例如大涨或大跌，这个策略可能无法准确地预测股票的价格走势。

有何风险？

• 由于这个策略需要等待均线重合，因此可能会错失一些短期机会。
• 如果市场出现极端的情况，例如大涨或大跌，这个策略可能无法准确地预测股票的价格走势。

如何优化？

• 可以考虑使用更短的均线周期来筛选出更快的趋势性机会。
• 可以考虑加入其他指标，例如MACD或RSI，来更好地判断股票的价格走势。

最终的选股逻辑

• 选取至少5根均线重合的股票
• 过滤掉昨天换手率小于3%或大于12%的股票
• 计算今天的换手率，并将其与昨天的换手率进行比较，选择换手率在3%-12%之间的股票
• 将满足以上条件的股票加入到候选股票列表中

python代码参考

• 以下是一个简单的Python代码示例，用于实现这个策略：

import talib
import pandas as pd

def get_stock_data(stock):
    # 获取股票的历史数据
    data = pd.read_csv('stock_data.csv')
    # 计算均线
    ma5 = talib.MA(data['close'], timeperiod=5)
    ma10 = talib.MA(data['close'], timeperiod=10)
    ma20 = talib.MA(data['close'], timeperiod=20)
    # 筛选出均线重合的股票
    filtered_data = data[(ma5 > ma10) & (ma5 > ma20)]
    # 计算昨天和今天的换手率
    yesterday_volume = filtered_data['volume'].values[-1]
    today_volume = filtered_data['volume'].values[-2]
    yesterday_turnover = yesterday_volume / filtered_data['close'].values[-1]
    today_turnover = today_volume / filtered_data['close'].values[-2]
    # 过滤掉昨天换手率小于3%或大于12%的股票
    filtered_data = filtered_data[(yesterday_turnover >= 0.03) & (yesterday_turnover <= 0.12)]
    # 计算今天的换手率与昨天的换手率进行比较
    today_turnover_ratio = today_turnover / yesterday_turnover
    # 将满足以上条件的股票加入到候选股票列表中
    candidates = filtered_data.index.tolist()
    return candidates

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。