(iwencai选股策略)今日最低价小于昨日最低价_、昨天换手率＞8%、至少5根均线重合的

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%
• 今日最低价小于昨日最低价

选股逻辑分析

• 这个策略主要关注于股票的均线和换手率，通过均线的重合来筛选出趋势较好的股票，再通过换手率来筛选出活跃的股票。
• 均线的重合可以表示股票的走势较为稳定，而换手率的高可以表示股票的活跃度较高，这两个因素都可以作为股票的买入信号。
• 但是需要注意的是，这个策略的选出的股票可能过于激进，因为换手率的高可能会导致股票价格的波动较大，需要谨慎对待。

有何风险？

• 这个策略可能会选出一些过于激进的股票，因为换手率的高可能会导致股票价格的波动较大，需要谨慎对待。
• 这个策略可能会选出一些股票的均线重合度过高，这可能意味着股票的走势过于稳定，缺乏足够的上涨动力。

如何优化？

• 可以考虑加入更多的筛选条件，例如股票的市值、市盈率等，以更加全面地评估股票的价值和风险。
• 可以考虑加入更多的技术指标，例如MACD、布林线等，以更加准确地判断股票的趋势和买卖信号。

最终的选股逻辑

• 选取至少5根均线重合的股票
• 选取昨天换手率＞8%的股票
• 选取今日最低价小于昨日最低价的股票
• 加入市值、市盈率等筛选条件
• 加入MACD、布林线等技术指标

python代码参考

• 以下是使用pandas和numpy库实现的代码示例：

import pandas as pd
import numpy as np

# 读取股票数据
data = pd.read_csv('stock_data.csv')

# 筛选出符合条件的股票
filtered_data = data[(data['ma5'] > data['ma10']) & (data['ma10'] > data['ma20']) & (data['ma20'] > data['ma30']) & (data['ma30'] > data['ma60']) & (data['turnover'] > 8) & (data['close'] < data['close'].shift(1))]

# 选择需要的指标
data['ma5'] = data['close'].rolling(window=5).mean()
data['ma10'] = data['close'].rolling(window=10).mean()
data['ma20'] = data['close'].rolling(window=20).mean()
data['ma30'] = data['close'].rolling(window=30).mean()
data['ma60'] = data['close'].rolling(window=60).mean()
data['turnover'] = data['turnover'].rolling(window=1).mean()
data['close'] = data['close'].rolling(window=1).mean()

# 计算MACD指标
data['macd'], data['macd_signal'], data['macd_hist'] = talib.MACD(data['close'], fastperiod=12, slowperiod=26, signalperiod=9)

# 计算布林线指标
data['upper'], data['middle'], data['lower'] = talib.BBANDS(data['close'], timeperiod=14)

# 选择需要的筛选条件
filtered_data = filtered_data[(filtered_data['ma5'] > filtered_data['ma10']) & (filtered_data['ma10'] > filtered_data['ma20']) & (filtered_data['ma20'] > filtered_data['ma30']) & (filtered_data['ma30'] > filtered_data['ma60']) & (filtered_data['turnover'] > 8) & (filtered_data['close'] < filtered_data['close'].shift(1)) & (data['macd'] > data['macd_signal']) & (data['macd_hist'] > data['macd_signal']) & (data['upper'] > data['middle']) & (data['middle'] > data['lower'])]

# 输出筛选后的股票数据
print(filtered_data)

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。