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%
- 今日最大跌幅＜-4且＞-5
选股逻辑分析
这个策略看起来是基于技术分析的，通过寻找均线重合、换手率适中且跌幅较小的股票来筛选潜在的投资机会。其中，均线重合可能意味着股票价格走势比较稳定，换手率适中则表明市场对该股票的关注度适中，而跌幅较小则表明该股票短期内可能存在反弹的机会。
然而，需要注意的是，技术分析并不是一种完全可靠的分析方法，因为股票价格的走势受到许多因素的影响，包括市场情绪、公司业绩、政治经济环境等等。因此，仅仅依靠技术分析来做出投资决策可能会存在一定的风险。
有何风险？
- 技术分析的可靠性较低，可能会导致投资决策的失误。
- 市场情绪和政治经济环境的变化可能会对股票价格的走势产生较大的影响。
- 换手率适中并不代表市场对该股票的关注度适中，因为换手率也可能受到市场操纵等因素的影响。
如何优化？
- 可以考虑加入更多的技术指标来综合分析股票的走势，以提高策略的可靠性。
- 可以通过分析公司的基本面数据来评估股票的价值，以降低投资风险。
- 可以考虑加入风险控制措施，例如止损单，以限制投资损失。
最终的选股逻辑
- 股票价格的5日、10日、20日、60日、120日均线重合。
- 换手率在2%到9%之间。
- 今日最大跌幅小于-4且大于-5。
python代码参考：
import tushare as ts
# 初始化pro接口
pro = ts.pro_api()
# 获取股票数据
df = pro.daily(ts_code='600036', start_date='2021-01-01', end_date='2021-12-31')
# 筛选出符合条件的股票
selected = df[(df['close'].rolling(window=5).mean() == df['close'].rolling(window=10).mean()) &
(df['close'].rolling(window=20).mean() == df['close'].rolling(window=60).mean()) &
(df['close'].rolling(window=120).mean() == df['close']) &
(df['turnover'] > 2) & (df['turnover'] < 9) &
(df['pct_chg'] < -4) & (df['pct_chg'] > -5)]
# 输出符合条件的股票代码
print(selected['ts_code'].tolist())
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。
