(i问财选股策略)规模2亿以上_、昨天换手率＞8%、至少5根均线重合的股票

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 昨天换手率＞8%
• 规模2亿以上

选股逻辑分析

这个策略的逻辑是基于以下三个条件来筛选股票：

1. 股票至少有5根均线重合，这表明股票的价格趋势相对稳定，有可能出现趋势反转的机会。
2. 昨天的换手率大于8%，这表明股票的交易活跃度较高，有可能出现大的行情变化。
3. 股票的规模大于2亿，这表明股票的流动性较好，有足够的交易量支持。

综合这三个条件，这个策略可以筛选出一些有潜力的股票，但是需要注意的是，这些股票的价格趋势可能已经稳定，交易活跃度也较高，因此可能不太适合短期交易。

有何风险？

这个策略的风险主要在于：

1. 选取的股票数量可能较少，无法满足投资者的需求。
2. 选取的股票可能不符合投资者的偏好和风险承受能力。
3. 筛选出的股票价格趋势已经稳定，可能不太适合短期交易。

如何优化？

为了优化这个策略，可以考虑以下几点：

1. 增加筛选条件，例如选取更多均线重合的股票、选取更多交易活跃度高的股票等。
2. 采用技术分析方法，例如趋势分析、支撑位和阻力位分析等，来判断股票的价格趋势和交易机会。
3. 采用量化交易方法，例如使用算法交易、高频交易等，来提高交易效率和降低交易成本。

最终的选股逻辑

以下是最终的选股逻辑：

• 股票至少有5根均线重合，这表明股票的价格趋势相对稳定，有可能出现趋势反转的机会。
• 昨天的换手率大于8%，这表明股票的交易活跃度较高，有可能出现大的行情变化。
• 股票的规模大于2亿，这表明股票的流动性较好，有足够的交易量支持。
• 采用技术分析方法，例如趋势分析、支撑位和阻力位分析等，来判断股票的价格趋势和交易机会。
• 采用量化交易方法，例如使用算法交易、高频交易等，来提高交易效率和降低交易成本。

python代码参考

以下是参考的python代码：

import talib
import pandas as pd

def select_stock():
    # 读取股票数据
    df = pd.read_csv('stock_data.csv')
    
    # 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['ma40']]
    
    # 筛选出昨天换手率大于8%的股票
    df = df[df['turnover'] > 8]
    
    # 筛选出规模大于2亿的股票
    df = df[df['market_cap'] > 2000000000]
    
    # 筛选出价格趋势相对稳定、交易活跃度较高的股票
    df = df[df['close'] > df['ma5']]
    df = df[df['close'] < df['ma60']]
    df = df[df['turnover'] > df['ma10']]
    
    # 采用技术分析方法，判断股票的价格趋势和交易机会
    df['close'] = talib.SMA(df['close'], timeperiod=30)
    df['支撑位'] = df['close'] - (df['close'] - df['ma5']) * 0.1
    df['阻力位'] = df['close'] + (df['close'] - df['ma60']) * 0.1
    
    # 采用量化交易方法，提高交易效率和降低交易成本
    # ...
    
    return 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。