问财量化选股策略逻辑
- 至少5根均线重合的股票
- 60开头的股票
- 换手率>2%且<9%
选股逻辑分析
- 第一条均线是5日均线，代表短期趋势。
- 第二条均线是10日均线，代表中期趋势。
- 第三条均线是20日均线，代表中长期趋势。
- 第四条均线是30日均线，代表中期趋势。
- 第五条均线是60日均线，代表中长期趋势。
当至少5条均线重合时，意味着这些均线的走势一致，股票的价格趋势较为稳定。同时，60开头的股票代表该股票的流通市值较大，换手率在2%至9%之间，则说明该股票的交易较为活跃，容易产生交易机会。
有何风险？
- 该策略只考虑了短期、中期和中长期趋势，忽略了长期趋势的影响。
- 如果股票的价格在短期内出现大幅波动，可能会导致均线重合的情况出现，但并不代表股票的趋势发生了变化。
- 换手率过低或过高都可能会影响股票的价格走势，因此需要对换手率进行限制。
如何优化？
- 可以考虑加入长期趋势的指标，如50日均线或200日均线，以更好地反映股票的趋势。
- 可以考虑加入股票的成交量指标，如量能柱状图或成交量指标，以更好地反映股票的交易活跃度。
最终的选股逻辑
- 选取流通市值大于等于10亿的股票
- 选取60日均线和20日均线金叉的股票
- 选取换手率在2%至9%之间的股票
- 选取至少5根均线重合的股票
python代码参考：
import tushare as ts
# 设置token
ts.set_token('your_token')
# 初始化pro接口
pro = ts.pro_api()
# 获取股票数据
df = pro.daily(ts_code='600036', start_date='2021-01-01', end_date='2021-12-31')
# 筛选出符合条件的股票
df = df[df['ts_code'].isin(['600036']) & df['turnover'] > 2 & df['turnover'] < 9]
# 计算均线
df['ma5'] = df['close'].rolling(window=5).mean()
df['ma10'] = df['close'].rolling(window=10).mean()
df['ma20'] = df['close'].rolling(window=20).mean()
df['ma30'] = df['close'].rolling(window=30).mean()
df['ma60'] = df['close'].rolling(window=60).mean()
# 筛选出至少5根均线重合的股票
df = df[df['ma5'] == df['ma10'] == df['ma20'] == df['ma30'] == df['ma60']]
# 输出结果
print(df)
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。
