问财量化选股策略逻辑
- 至少5根均线重合的股票
- 昨天换手率>8%
- 酷特智能早晨之星
选股逻辑分析
- 这个策略首先筛选出至少5根均线重合的股票,这意味着这些股票的走势比较稳定,可能具有较强的支撑和阻力。
- 接着,策略要求昨天换手率大于8%,这表明股票的交易活跃度较高,可能有资金流入或流出。
- 最后,策略使用酷特智能早晨之星指标,这个指标是基于收盘价和成交量的,可以预测股票未来的价格走势。
有何风险?
- 这个策略可能无法准确预测股票的未来走势,因为市场存在不确定性。
- 如果股票的换手率过高,可能意味着市场存在过度交易,这可能会影响股票的价格走势。
- 酷特智能早晨之星指标也可能存在误差,因此可能无法准确预测股票的未来走势。
如何优化?
- 可以考虑加入更多的技术指标来综合分析股票的走势,以提高准确性。
- 可以考虑加入更多的过滤条件来筛选出更符合要求的股票。
- 可以考虑加入更多的市场数据来更好地预测股票的未来走势。
最终的选股逻辑
- 筛选出至少5根均线重合的股票
- 过滤掉昨天换手率低于8%的股票
- 使用酷特智能早晨之星指标预测股票未来的价格走势
- 综合考虑多个技术指标和过滤条件,以提高准确性
python代码参考
import talib
def get_morning_star(price, volume, short_window, long_window):
# 计算收盘价的移动平均线
ma_short = talib.MA(price, short_window)
ma_long = talib.MA(price, long_window)
# 计算成交量的移动平均线
ma_short_v = talib.MA(volume, short_window)
ma_long_v = talib.MA(volume, long_window)
# 计算早晨之星指标
if ma_short[-1] > ma_long[-1] and ma_short_v[-1] > ma_long_v[-1]:
return 1
elif ma_short[-1] < ma_long[-1] and ma_short_v[-1] < ma_long_v[-1]:
return -1
else:
return 0
# 读取股票数据
data = pd.read_csv('stock_data.csv')
# 筛选出至少5根均线重合的股票
filtered_data = data[(data['ma5'] == data['ma10']) & (data['ma10'] == data['ma20']) & (data['ma20'] == data['ma30']) & (data['ma30'] == data['ma60'])]
# 过滤掉昨天换手率低于8%的股票
filtered_data = filtered_data[(filtered_data['turnover'] > 8)]
# 使用酷特智能早晨之星指标预测股票未来的价格走势
predictions = []
for index, row in filtered_data.iterrows():
price = row['close']
volume = row['volume']
short_window = 10
long_window = 20
morning_star = get_morning_star(price, volume, short_window, long_window)
predictions.append(morning_star)
# 综合考虑多个技术指标和过滤条件,以提高准确性
selected_stocks = []
for index, row in filtered_data.iterrows():
morning_star = predictions[index]
if morning_star > 0:
selected_stocks.append(row['name'])
注意:以上代码仅供参考,实际使用时需要根据具体情况进行调整。
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。