问财量化选股策略逻辑
- 至少5根均线重合的股票
- 9点25分涨幅小于6%
- 竞价涨幅＞-2＜5
选股逻辑分析
这个策略看起来比较简单，主要是通过均线和涨幅来筛选股票。首先，筛选出至少5根均线重合的股票，这可能是多条均线在某个价格点处汇聚，表明该股票的价格走势比较稳定。其次，筛选出9点25分涨幅小于6%的股票，这可能是由于市场情绪等因素导致的股价下跌，但这种下跌可能不是趋势性的，而是短期的波动。最后，筛选出竞价涨幅＞-2＜5的股票，这可能是由于市场情绪等因素导致的股价波动，但这种波动可能是短期的，而不是趋势性的。
有何风险？
这个策略的风险在于它可能无法准确预测股票的趋势性走势，因为它的筛选标准只是短期的波动。此外，如果市场情绪等因素导致的股价波动较大，也可能导致该策略的收益率波动较大。
如何优化？
为了优化这个策略，可以考虑增加更多的筛选标准，例如筛选出市盈率、市净率等财务指标较低的股票，或者筛选出行业景气度较高的股票。此外，可以考虑使用更多的技术指标来预测股票的趋势性走势，例如移动平均线、布林线等。
最终的选股逻辑
- 筛选出至少5根均线重合的股票
- 筛选出9点25分涨幅小于6%的股票
- 筛选出竞价涨幅＞-2＜5的股票
- 筛选出市盈率、市净率等财务指标较低的股票
- 筛选出行业景气度较高的股票
- 使用移动平均线、布林线等技术指标预测股票的趋势性走势
python代码参考
import tushare as ts
# 设置token
ts.set_token('your_token')
# 初始化pro接口
pro = ts.pro_api()
# 筛选出至少5根均线重合的股票
df = pro.trade_cal('5d', 'close')
df = df[df['close'].rolling(window=5).apply(lambda x: x.count() >= 5)].reset_index()
# 筛选出9点25分涨幅小于6%的股票
df = df[df['pct_chg'] < 0.06]
# 筛选出竞价涨幅＞-2＜5的股票
df = df[df['pct_chg'] > -2 and df['pct_chg'] < 5]
# 筛选出市盈率、市净率等财务指标较低的股票
df = df[df['pe'] < 10 and df['pb'] < 2]
# 筛选出行业景气度较高的股票
df = df[df['gi'] > 0.5]
# 使用移动平均线、布林线等技术指标预测股票的趋势性走势
df = df[df['close'].rolling(window=20).mean() > df['close']]
df = df[df['close'].rolling(window=20).std() > 2]
# 输出最终的股票列表
print(df[['code', 'name']])
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。
