问财量化选股策略逻辑
在问财中，我们可以通过以下策略来筛选出至少5根均线重合的股票：
1.收盘价<boll(upper值)且收盘价>boll(mid值)
2.近25个交易日有单日涨幅大于等于百分之10
选股逻辑分析
这个策略的逻辑是通过结合Bollinger Bands指标和收盘价的变化来筛选出股票。首先，我们使用Bollinger Bands指标来确定股票的价格波动范围。具体来说，我们计算出股票的20日移动平均线（MA20）和标准差（SD），然后计算出Bollinger Bands的上轨和下轨。最后，我们筛选出收盘价在Bollinger Bands的上轨和下轨之间的股票。
接下来，我们使用收盘价的变化来筛选出股票。具体来说，我们筛选出近25个交易日中有单日涨幅大于等于百分之10的股票。这表示这些股票在短期内有较大的上涨潜力。
有何风险？
这个策略的潜在风险是，它可能会漏掉一些股票，因为有些股票的价格波动较小，导致它们的收盘价不会在Bollinger Bands的上轨和下轨之间波动。此外，如果股票在短期内出现大幅上涨，那么它们可能会被筛选出来，但实际上它们可能不具备长期上涨潜力。
如何优化？
为了优化这个策略，我们可以考虑以下几点：
1.增加筛选的周期。我们可以将筛选周期从25天延长到更长的时间，例如50天或100天。这可能会帮助我们更好地识别具有长期上涨潜力的股票。
2.加入其他指标。除了收盘价和Bollinger Bands指标外，我们还可以考虑加入其他指标，例如MACD和RSI等，来更好地识别股票的走势。
最终的选股逻辑
最终的选股逻辑如下：
1.收盘价<boll(upper值)且收盘价>boll(mid值)
2.近50日移动平均线（MA50）在Bollinger Bands的上轨和下轨之间
3.近100日移动平均线（MA100）在Bollinger Bands的上轨和下轨之间
4.收盘价在MA50和MA100之间
5.近25个交易日中有单日涨幅大于等于百分之10
python代码参考：
import tushare as ts
import talib
# 设置pro接口token
ts.set_token('your_token')
# 初始化pro接口
pro = ts.pro_api()
# 获取Bollinger Bands指标
df = pro.kline(ts_code='600036', start_date='2021-01-01', end_date='2021-06-30')
upper, middle, lower = talib.BBANDS(df['close'], timeperiod=20)
# 获取收盘价
df = pro.kline(ts_code='600036', start_date='2021-01-01', end_date='2021-06-30')
close = df['close']
# 筛选出符合条件的股票
result = []
for i in range(len(close)):
if close[i] > lower[i] and close[i] < upper[i] and close[i] > middle[i] and close[i] < talib.MA(close, timeperiod=50) and close[i] < talib.MA(close, timeperiod=100):
result.append(i)
# 输出符合条件的股票的编号
print(result)
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。
