问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1；
- 至少5根均线重合的股票；
- 今日五日均线、十日均线、二十日均线和三十日均线均向上发散。
选股逻辑分析
该选股策略通过考虑股票在过去一段时间内的振幅、均线等技术指标，同时要求今日多个均线均向上发散，筛选出估值可观且有上涨潜力的股票。这一筛选条件既考虑了技术面，也考虑了基本面的推动作用，可以较好地反映市场热点。但是该选股策略中忽略了很多其他可能会影响股价的因素，选股的准确性还需进一步完善。
有何风险？
今日均线向上发散可能会对已经出现上涨趋势、但由于一些其他因素导致均线数据不理想的股票进行不必要的淘汰，如果过于依赖该指标则可能会漏掉一些优质标的股票。
如何优化？
为了增加选股的准确性和稳健性，可以引入其他技术指标和基本面指标辅助选股。比如可以考虑加入过去一段时间内的日涨跌幅和成交量等指标，以及公司的财务数据等基本面因素，以此更好地区分潜力股和投机股。此外，可以建立更为严格的选股条件，以减少波动较大的股票对选股结果的影响。
最终的选股逻辑
综合上述分析，我们可以完善该选股策略为：
- 振幅大于1；
- 至少5根均线重合的股票；
- 今日五日均线、十日均线、二十日均线和三十日均线均向上发散且大于等于昨日值。
同花顺指标公式代码参考
- 均线发散指标：判断均线发散程度可采用斜率计算法。
SLOPE (CLOSE,N,M)=(EMA(CLOSE,M)-EMA(CLOSE,N))/MMA_5_SLOPE,MA_10_SLOPE,MA_20_SLOPE,MA_30_SLOPE= (EMA(CLOSE,5)-EMA(CLOSE,1))/5, (EMA(CLOSE,10)-EMA(CLOSE,5))/5, (EMA(CLOSE,20)-EMA(CLOSE,10))/10, (EMA(CLOSE,30)-EMA(CLOSE,20))/10if MA_5_SLOPE > 0 and MA_10_SLOPE > 0 and MA_20_SLOPE > 0 and MA_30_SLOPE > 0:
python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_pool(date):
# 获取所有股票代码
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
# 上市不足60天的股票忽略
if (pd.to_datetime(date) - pd.to_datetime(df.loc[code]['timeToMarket'])).days <= 60:
continue
bars_all = ts.get_k_data(code, '2022-01-01', date)
if bars_all is None or bars_all.empty or len(bars_all) < 2:
continue
high, low, close = bars_all['high'].values, bars_all['low'].values, bars_all['close'].values
amplitude = (high - low) / close[:-1]
is_amplitude_large = amplitude.max() > 0.008
# 至少5根均线重合的股票
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30]]))
is_ma_converge = ma_count >= 5
# 今日均线向上发散
ma_5_slope = talib.SLOPE(ma_5, 0, 4)
ma_10_slope = talib.SLOPE(ma_10, 4, 9)
ma_20_slope = talib.SLOPE(ma_20, 9, 19)
ma_30_slope = talib.SLOPE(ma_30, 19, 29)
if ma_5_slope > 0 and ma_10_slope > 0 and ma_20_slope > 0 and ma_30_slope > 0 \
and ma_5_slope > talib.SLOPE(ma_5, 1, 3) and ma_10_slope > talib.SLOPE(ma_10, 5, 8) \
and ma_20_slope > talib.SLOPE(ma_20, 10, 18) and ma_30_slope > talib.SLOPE(ma_30, 20, 28):
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars_all['close'].iloc[-1], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['price'], ascending=False)
return result
注：该函数用于在某个日期获取备选股票池，返回dataframe，包括代码，名称，最新价格和行业。其中涉及的均线发散指标和其他细节处理可以参考通达信指标公式代码。
## 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。
