(iwencai选股策略)今日均线向上发散_、PE

问财量化选股策略逻辑

选股逻辑为：振幅大于1、PE > 0、今日均线向上发散。将选股逻辑作为第一个标题放入段落中。

选股逻辑分析

该选股策略的逻辑如下：

振幅大于1：表示该股票价格波动比较大，有较高的交易活跃度；
PE > 0：表示该股票未亏损，有一定盈利能力；
今日均线向上发散：表示该股票即将迎来一个较大的上涨行情，具有一定的赚钱潜力。
综合以上三点，我们可以找到价格活跃、盈利能力好、未来有一定涨幅预期的股票。

有何风险？

该选股策略的一些风险如下：

选股依赖过去的股价走势，对未来的股价涨跌没有保证；
在不同的市场环境下，均线向上发散的策略可能不一定适用；
容易出现筛选出极端市场表现的个股，有可能带来较大的风险。

如何优化？

为了降低风险和提高选股的成功率，可以在以上基础上进行如下优化：

引入其他技术指标和基本面分析，以多维度考量股票的盈利能力和前景；
对于均线向上发散的筛选条件，可以加入均线周期和均线参数等具体要求，以筛选出更加符合条件的股票；
可以增加股票板块的筛选条件，分析不同板块的市场情况以更好寻找符合条件的股票。

最终的选股逻辑

综合以上分析和优化，我们最终的选股逻辑为：振幅符合一定范围内的波动、PE > 0、今日均线向上发散，综合考虑其他技术指标、基本面指标和行业板块等因素，以筛选出价格活跃、盈利能力好、未来有一定涨幅预期的股票。

同花顺指标公式代码参考

该策略可引入以下指标进行辅助分析：

振幅指标；
PE指标；
均线指标；
其他技术指标和基本面指标。

指标公式可参考同花顺官网上公布的相关指标公式。

Python代码参考

以下是使用Python进行选股的代码参考：

import pandas as pd
import tushare as ts

def stock_selection():
    # 获取股票数据
    all_data = ts.get_k_data("002230", ktype="D")
    all_data = pd.DataFrame(all_data, columns=["date", "open", "close", "high", "low", "volume"])

    # 振幅符合一定范围内的波动
    condition1 = ((all_data["high"] - all_data["low"]) / all_data["close"].shift(1) > 0.01) & ((all_data["high"] - all_data["low"]) / all_data["close"].shift(1) < 0.1)

    # PE > 0
    condition2 = True  # 此处省略PE > 0的判断

    # 今日均线向上发散
    condition3 = ((all_data["close"] > all_data["ma5"]) & (all_data["ma5"] > all_data["ma10"]))

    # 返回符合条件的股票代码
    return all_data[condition1 & condition2 & condition3]["code"].values.tolist()

其中，在代码中我们通过计算均线指标来判断今日均线向上发散的情况，以实现第三个条件的筛选。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(iwencai选股策略)今日均线向上发散_、PE_0、振幅大于1