(iwencai量化策略)竞价涨幅＞-2＜5_、大单净量排行、至少5根均线重合的股票

问财量化选股策略逻辑

在问财中，我们可以使用量化策略来筛选股票。以下是一个基于均线和大单净量的策略：

1. 选取至少5根均线重合的股票。这可以表示股票价格在短期内处于相对稳定的状态，避免出现过大的波动。
2. 按照大单净量进行排名。大单净量表示一段时间内买入和卖出股票的成交量之差，可以反映市场资金的流入和流出情况。排名靠前的股票表示市场资金流入较多，有利于股价上涨。
3. 在竞价阶段筛选涨幅大于-2小于5的股票。这可以过滤掉一些极端情况，例如高开低走或低开高走。

选股逻辑分析

这个策略的逻辑是通过筛选均线重合的股票和大单净量排名靠前的股票，来预测市场资金的流入和流出情况，从而筛选出可能上涨的股票。该策略适用于短期投资，因为它主要关注股票价格的短期波动。

然而，该策略也存在一些风险。首先，如果市场资金流入和流出情况与策略的预测不符，那么策略可能会失效。其次，该策略没有考虑股票的基本面因素，例如公司的财务状况和盈利能力等，因此可能会错过一些优质股票。

如何优化？

为了优化这个策略，我们可以考虑以下几点：

1. 增加筛选均线重合的股票的数量。这可以增加策略的稳定性和可靠性。
2. 考虑使用更多的技术指标来预测市场资金的流入和流出情况。例如，可以使用MACD指标来预测股票价格的趋势。
3. 考虑使用更多的数据来筛选股票。例如，可以考虑使用历史数据来预测股票的价格走势。

最终的选股逻辑

以下是最终的选股逻辑：

1. 选取至少10根均线重合的股票。
2. 按照大单净量进行排名。大单净量表示一段时间内买入和卖出股票的成交量之差，可以反映市场资金的流入和流出情况。排名靠前的股票表示市场资金流入较多，有利于股价上涨。
3. 在竞价阶段筛选涨幅大于-2小于5的股票。这可以过滤掉一些极端情况，例如高开低走或低开高走。
4. 考虑使用更多的技术指标来预测市场资金的流入和流出情况。例如，可以使用MACD指标来预测股票价格的趋势。
5. 考虑使用更多的数据来筛选股票。例如，可以考虑使用历史数据来预测股票的价格走势。

python代码参考

以下是一个基于以上策略的Python代码示例：

import tushare as ts

# 设置token
ts.set_token('your_token_here')

# 初始化pro接口
pro = ts.pro_api()

# 获取所有A股股票的代码列表
stock_codes = pro.stock_code_list()

# 初始化策略
def strategy():
    # 获取当前时间
    now = pro.now()
    # 获取所有A股股票的最新价和成交量数据
    data = pro.realtime_quotes(stock_codes)
    # 初始化变量
    ma1 = data['close'].rolling(window=10).mean()
    ma2 = data['close'].rolling(window=20).mean()
    ma3 = data['close'].rolling(window=30).mean()
    ma4 = data['close'].rolling(window=60).mean()
    ma5 = data['close'].rolling(window=120).mean()
    ma6 = data['close'].rolling(window=252).mean()
    up_down = data['preclose'].diff()
    # 计算大单净量排名
    order_count = data['vol'].sum(axis=1)
    buy_order_count = order_count[:, 0]
    sell_order_count = order_count[:, 1]
    net_volume = buy_order_count - sell_order_count
    net_volume_rank = net_volume.rank(pct=True)
    # 过滤掉涨跌幅异常的股票
    up_down = up_down[up_down > 0]
    up_down = up_down[up_down < 5]
    # 选择符合条件的股票
    selected_stocks = ma1 > ma2 > ma3 > ma4 > ma5 > ma6 > up_down
    # 返回符合条件的股票代码列表
    return selected_stocks

# 使用策略进行筛选
selected_stocks = strategy()
print(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。