问财量化选股策略逻辑
- 至少5根均线重合的股票
- 现量大于1万手
- 高开
- 换手率>2%且<9%
选股逻辑分析
这个策略逻辑主要关注于股票的均线和成交量。首先,要求股票至少有5根均线重合,这表明股票的走势比较稳定,有较强的支撑和阻力。其次,要求股票的现量大于1万手,这表明股票的交易活跃度较高,有更多的资金参与交易。最后,要求股票高开且换手率在2%到9%之间,这表明股票的开盘价相对较高,但换手率不是很高,说明市场对这只股票的分歧不是很大。
有何风险?
这个策略逻辑的风险主要在于对均线和成交量的过度依赖。如果股票的均线走势不稳定或者成交量不足,那么这个策略可能会失效。此外,如果市场整体环境发生变化,也可能导致股票价格的波动,从而影响这个策略的准确性。
如何优化?
为了优化这个策略逻辑,可以考虑加入更多的过滤条件,例如股票的市值、行业、盈利能力等。此外,可以考虑使用更多的技术指标来判断股票的价格走势和成交量情况,以提高策略的准确性和稳定性。
最终的选股逻辑
最终的选股逻辑如下:
def select_stock():
# 获取所有A股股票的代码和基本信息
stocks = get_stocks()
# 过滤条件1:至少5根均线重合
filtered_stocks = [stock for stock in stocks if len(get_stock_ma(stock)) >= 5]
# 过滤条件2:现量大于1万手
filtered_stocks = [stock for stock in filtered_stocks if get_stock_volume(stock) > 10000]
# 过滤条件3:高开且换手率在2%到9%之间
filtered_stocks = [stock for stock in filtered_stocks if stock['open'] > stock['close'] and stock['turnover'] > 2 and stock['turnover'] < 9]
# 返回符合条件的股票代码列表
return filtered_stocks
python代码参考
import requests
import pandas as pd
def get_stocks():
# 获取所有A股股票的代码和基本信息
url = 'http://data.eastmoney.com/hsgt/api/v10000/stockselect'
params = {
'q': 'all',
'sort': 'trade_date',
'order': 'desc',
'page': 1,
'limit': 1000
}
response = requests.get(url, params=params)
stocks = pd.DataFrame(response.json()['data'])
stocks.columns = stocks.iloc[0]
stocks = stocks.iloc[1:]
return stocks
def get_stock_ma(stock):
# 获取股票的均线数据
url = f'http://data.eastmoney.com/hsgt/api/v10000/stockma?stockno={stock}'
response = requests.get(url)
ma = pd.DataFrame(response.json()['data'])
ma.columns = ma.iloc[0]
ma = ma.iloc[1:]
return ma
def get_stock_volume(stock):
# 获取股票的成交量数据
url = f'http://data.eastmoney.com/hsgt/api/v10000/stockturnover?stockno={stock}'
response = requests.get(url)
volume = pd.DataFrame(response.json()['data'])
volume.columns = volume.iloc[0]
volume = volume.iloc[1:]
return volume
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。


