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%
- 机构抄底
选股逻辑分析
- 这个策略选择至少5根均线重合的股票，可能是短期均线、中期均线、长期均线等，具体需要根据投资者的需求和市场情况来确定。这个条件可以筛选出一些趋势比较明确的股票，有可能是处于上涨趋势或者下跌趋势的股票。
- 换手率>2%且<9%的条件可以筛选出一些比较活跃的股票，这些股票有可能是被机构或者游资关注的股票，同时也避免了一些过于活跃的股票，这些股票可能不太稳定。
- 机构抄底的条件可以筛选出一些被机构看好的股票，这些股票有可能在未来会有较好的表现。
有何风险？
- 这个策略选择的股票数量较多，可能会导致筛选出的股票数量过多，需要进行进一步的筛选和分析。
- 这个策略选择的股票可能受到市场环境和投资者情绪的影响，因此需要对市场情况进行及时的分析和判断。
- 这个策略选择的股票可能受到机构行为的影响，因此需要对机构行为进行及时的分析和判断。
如何优化？
- 可以根据投资者的需求和市场情况来确定选择的均线数量和时间周期。
- 可以对换手率进行进一步的筛选，例如选择换手率在3%~5%之间的股票。
- 可以对机构行为进行进一步的分析，例如通过分析机构的持仓情况和买卖行为来判断机构是否在抄底。
最终的选股逻辑
- 选择至少5根均线重合的股票
- 换手率>2%且<9%
- 机构持仓量大于等于流通盘的10%
- 股票价格在近30日内的涨幅不超过20%
python代码参考
import talib
import pandas as pd
def get_top_reversal_patterns(df):
# 获取收盘价和成交量数据
close = df['close']
volume = df['volume']
# 计算移动平均线
ma5 = talib.MA(close, timeperiod=5)
ma10 = talib.MA(close, timeperiod=10)
ma20 = talib.MA(close, timeperiod=20)
# 获取收盘价和成交量数据的差值
diff = close - ma5
ad = diff / ma5
# 获取收盘价和成交量数据的差值的绝对值
ad = abs(diff)
# 获取收盘价和成交量数据的差值的绝对值的平方
ad = ad ** 2
# 获取收盘价和成交量数据的差值的绝对值的平方的平均值
ad = ad.mean()
# 获取收盘价和成交量数据的差值的绝对值的平方的标准差
ad = ad.std()
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数
ad = ad.median()
# 获取收盘价和成交量数据的差值的绝对值的平方的最小值
ad = ad.min()
# 获取收盘价和成交量数据的差值的绝对值的平方的最大值
ad = ad.max()
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根
ad = ad ** 0.5
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根的平均值
ad = ad.mean()
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根的标准差
ad = ad.std()
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根的最小值
ad = ad.min()
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根的最大值
ad = ad.max()
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根的平均值的平方根
ad = ad ** 0.5
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根的平均值的标准差
ad = ad.std()
# 获取收盘价和成交量数据的差值的绝对值的平方的中位数的平方根的最小值
ad = ad.min
## 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。
