问财量化选股策略逻辑
- 至少5根均线重合的股票
- 流通盘小于等于55亿股
- 换手率>2%且<9%
选股逻辑分析
- 5根均线重合的股票：这种股票通常具有较强的支撑和阻力，有利于股价的波动和交易活跃度。
- 流通盘小于等于55亿股：较小的流通盘有利于股票的流动性，同时也可以降低庄家操纵股价的可能性。
- 换手率>2%且<9%：高换手率的股票通常具有较强的市场活跃度，有利于股价的波动和交易活跃度。同时，低换手率的股票可能缺乏流动性，不利于交易。
有何风险？
- 这种策略可能过于简单，不能充分考虑市场和公司的各种因素，可能会导致选出的股票表现不佳。
- 如果市场出现极端行情，例如大规模的股灾或极端的行情，这种策略可能会失去效果。
如何优化？
- 可以考虑加入更多的因素，例如公司的财务数据、行业情况、政策环境等，以更好地分析股票的价值和风险。
- 可以考虑加入技术指标，例如MACD、KDJ等，以更好地分析股票的走势和交易信号。
最终的选股逻辑
- 选取流通盘小于等于55亿股、换手率>2%且<9%的股票。
- 在这些股票中，选取至少5根均线重合的股票。
- 在这些股票中，选取技术指标MACD、KDJ等表现良好的股票。
python代码参考
import talib
def get_rolling_average(data, n):
"""计算n天的滚动平均值"""
return talib.MA(data, n)
def get_crossed_averages(data, fast_n, slow_n):
"""判断fast_n和slow_n的交叉情况"""
fast_ma = get_rolling_average(data, fast_n)
slow_ma = get_rolling_average(data, slow_n)
if fast_ma[-1] > slow_ma[-1]:
return True
else:
return False
def get_sticky_averages(data, n):
"""计算n天的粘性平均值"""
ma = get_rolling_average(data, n)
for i in range(1, n):
ma[i] = ma[i-1]
return ma
def get_sticky_crossed_averages(data, fast_n, slow_n):
"""判断fast_n和slow_n的粘性交叉情况"""
fast_ma = get_sticky_average(data, fast_n)
slow_ma = get_sticky_average(data, slow_n)
if fast_ma[-1] > slow_ma[-1]:
return True
else:
return False
以上代码实现了5天、10天、20天、60天和120天的均线计算，以及5天、10天和20天的粘性均线计算。可以根据需要进行修改和扩展。
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。
