(iwencai量化策略)竞价主力净买大于0_、换手率_2%且_9%、至少5根均线重合的股

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%
• 竞价主力净买大于0

选股逻辑分析

这个策略的逻辑是基于技术分析和市场行为分析。首先，要求至少5根均线重合，这表明股票价格在短期内趋向稳定，可能是由于市场对该股票的共识或趋势的延续。其次，要求换手率>2%且<9%，这意味着该股票的交易活跃度适中，表明市场对该股票的关注度较高。最后，要求竞价主力净买大于0，这表明在竞价交易中，主力资金流入该股票，可能对该股票的未来表现持乐观态度。

有何风险？

这个策略的潜在风险包括市场风险、技术分析风险和交易风险。市场风险是指市场整体表现不佳，导致股票价格下跌。技术分析风险是指技术分析的准确性受到市场波动的影响，导致策略失效。交易风险是指交易过程中出现的失误，如买卖时机不当、交易成本过高等。

如何优化？

为了优化这个策略，可以考虑以下几点：

• 选择更多的均线组合，以更好地反映股票价格的趋势和稳定性。
• 通过分析历史数据，找出更合适的换手率和竞价主力净买阈值。
• 通过量化的方式，减少交易决策的主观性。

最终的选股逻辑

• 选取至少5根均线重合的股票
• 换手率>2%且<9%
• 竞价主力净买大于0
• 通过量化的方式，减少交易决策的主观性

python代码参考

import talib
import numpy as np

def get_stock_data(symbol):
    # 获取股票的历史数据
    data = yf.download(symbol, start='2020-01-01', end='2021-12-31')
    # 计算均线
    ma5 = talib.MA(data['close'], timeperiod=5)
    ma10 = talib.MA(data['close'], timeperiod=10)
    ma20 = talib.MA(data['close'], timeperiod=20)
    ma50 = talib.MA(data['close'], timeperiod=50)
    ma200 = talib.MA(data['close'], timeperiod=200)
    # 获取换手率和竞价主力净买
    data['volume'] = data['volume']
    data['turnover'] = data['volume'] / data['close'] * 100
    data['netBuying'] = data['ask'] - data['bid']
    # 选择符合条件的股票
    selected_stocks = []
    for i in range(len(data)):
        if ma5[i] == ma10[i] == ma20[i] == ma50[i] == ma200[i] and data['volume'][i] > 2 and data['turnover'][i] < 9 and data['netBuying'][i] > 0:
            selected_stocks.append(data['close'][i])
    return selected_stocks

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。