(iwencai量化策略)竞价涨幅>-2<5_、未清偿可转债简称不可为空、至少5根均线重合

用户头像神盾局量子研究部
2023-09-01 发布

问财量化选股策略逻辑

  • 至少5根均线重合的股票
  • 未清偿可转债简称不可为空
  • 竞价涨幅>-2<5

选股逻辑分析

  • 5根均线重合的股票:这表明该股票的短期和中期趋势比较稳定,有利于投资者进行长期投资。
  • 未清偿可转债简称不可为空:这表明该股票发行了可转债,说明公司有一定的债务压力,需要投资者进行风险评估。
  • 竞价涨幅>-2<5:这表明该股票在竞价交易中表现活跃,有一定的市场关注度,有利于投资者进行投资决策。

有何风险?

  • 5根均线重合的股票:虽然表明该股票的短期和中期趋势比较稳定,但是也有可能出现短期回调的情况,投资者需要进行风险评估。
  • 未清偿可转债简称不可为空:这表明该股票发行了可转债,说明公司有一定的债务压力,如果公司无法偿还债务,可能会对投资者造成损失。
  • 竞价涨幅>-2<5:这表明该股票在竞价交易中表现活跃,但是也有可能出现市场风险,投资者需要进行风险评估。

如何优化?

  • 可以考虑加入更多技术指标,如MACD、RSI等,来综合分析股票的走势。
  • 可以考虑加入更多财务指标,如市盈率、市净率等,来评估公司的财务状况和投资价值。

最终的选股逻辑

  • 选取至少5根均线重合的股票
  • 未清偿可转债简称不可为空
  • 竞价涨幅>-2且竞价涨幅<5
  • 综合分析股票的走势和技术指标,评估公司的财务状况和投资价值,进行风险评估。

python代码参考

import tushare as ts

# 初始化pro接口
pro = ts.pro_api()

# 获取所有股票的代码和简称
data = pro.stock_basic()

# 选取至少5根均线重合的股票
def get均线重合股票(data):
    result = []
    for i in range(len(data)):
        code = data[i]['ts_code']
        name = data[i]['name']
        # 获取股票的均线数据
        df = pro.klines(code=code, start='2021-01-01', end='2021-12-31')
        ma5 = df['close'].rolling(window=5).mean()
        ma10 = df['close'].rolling(window=10).mean()
        ma20 = df['close'].rolling(window=20).mean()
        ma30 = df['close'].rolling(window=30).mean()
        ma60 = df['close'].rolling(window=60).mean()
        ma120 = df['close'].rolling(window=120).mean()
        # 判断股票是否至少有5根均线重合
        if len(set(ma5.tolist())) == 5 or len(set(ma10.tolist())) == 5 or len(set(ma20.tolist())) == 5 or len(set(ma30.tolist())) == 5 or len(set(ma60.tolist())) == 5 or len(set(ma120.tolist())) == 5:
            result.append({'code': code, 'name': name})
    return result

# 获取未清偿可转债简称不可为空的股票
def get_non_empty_convertible_bond_data(data):
    result = []
    for i in range(len(data)):
        code = data[i]['ts_code']
        name = data[i]['name']
        # 获取股票的可转债数据
        df = pro.cst_cst_bond(code=code)
        # 判断股票是否发行了可转债
        if df.empty:
            result.append({'code': code, 'name': name})
    return result

# 获取竞价涨幅>-2且竞价涨幅<5的股票
def get_psi_bidding_range_data(data):
    result = []
    for i in range(len(data)):
        code = data[i]['ts_code']
        name = data[i]['name']
        # 获取股票的竞价数据
        df = pro.hsgt_bidding_range(code=code, start='2021-01-01', end='2021-12-31')
        # 判断股票是否在竞价交易中表现活跃
        if df.empty:
            result.append({'code': code, 'name': name})
    return result

# 综合分析股票的走势和技术指标,评估公司的财务状况和投资价值,进行风险评估
def get_risk

## 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。
![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论