问财量化选股策略逻辑
- 至少5根均线重合的股票
- 换手率>2%且<9%
- 机构动向大于0
选股逻辑分析
- 这个策略选择的是均线重合的股票，意味着这些股票的短期和长期趋势比较一致，可能比较稳定。
- 换手率>2%且<9%的条件是为了筛选出比较活跃的股票，避免僵尸股。
- 机构动向大于0的条件是为了筛选出机构投资者比较看好的股票。
有何风险？
- 该策略没有考虑市场整体趋势的影响，如果市场整体趋势向下，即使符合该策略的股票也可能表现不佳。
- 该策略也没有考虑股票的基本面因素，如果股票的基本面不佳，即使符合该策略的股票也可能表现不佳。
如何优化？
- 可以考虑加入市场趋势的指标，例如移动平均线，来更好地判断股票的走势。
- 可以考虑加入股票的基本面因素，例如市盈率、市净率等，来更好地判断股票的价值。
最终的选股逻辑
- 选择短期和长期均线重合的股票
- 满足换手率>2%且<9%的条件
- 满足机构动向大于0的条件
- 加入市场趋势的指标，例如移动平均线
- 加入股票的基本面因素，例如市盈率、市净率等
python代码参考
import talib
import pandas as pd
def get_moving_average(df, n):
return talib.MA(df['close'], n)
def get_short_moving_average(df, n):
return talib.MA(df['close'], n)
def get_long_moving_average(df, n):
return talib.MA(df['close'], n)
def get_rolling_mean(df, n):
return df['close'].rolling(n).mean()
def get换手率(df):
return df['volume'] / df['close'] * 100
def get_机构动向(df):
return df['net_flow'].abs().mean()
def get_stock符合条件(df):
short_moving_average = get_short_moving_average(df, 5)
long_moving_average = get_long_moving_average(df, 20)
moving_average = get_moving_average(df, 10)
rolling_mean = get_rolling_mean(df, 50)
return (short_moving_average > long_moving_average) & (short_moving_average > moving_average) & (short_moving_average > rolling_mean) & (df['volume'] > 2000000) & (df['close'] > df['close'].rolling(50).mean()) & (df['机构动向'] > 0)
# 读取数据
df = pd.read_csv('data.csv')
# 选择符合条件的股票
selected_stocks = df['stock'].apply(get_stock)
# 输出结果
print(selected_stocks)
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。
