(iwencai量化策略)酷特智能早晨之星_、至少5根均线重合的股票、振幅大于1

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

该选股策略包括三个条件:

  • 振幅大于1;
  • 至少5根均线重叠;
  • 酷特智能早晨之星形态。

选股逻辑分析

该选股策略相对于前面的策略加入了酷特智能早晨之星形态的条件,可以更好的选出股票的短期趋势反转迹象。此外,均线和振幅的条件也有所调整,可兼顾追求涨势的同时,也能防范价格的异常波动和风险。

有何风险?

该选股策略可能会漏掉关键的股票,因为早晨之星形态存在随机性。同时,选股结果可能与市场需要有一定的时差,因此需要适当调整选股时间,并配合其他量化指标进行交叉验证。

如何优化?

优化思路可以从酷特智能早晨之星形态、均线和振幅三个方面入手。例如可以加入其他形态指标、趋势线指标等进行补充,以提高准确性。

选股条件限制的宽度可以进行适当调整,以便增加筛选的范围,提高选股灵活性和可操作性。此外,也可以使用数据缓存方法等方式来提升运算速度。

最终的选股逻辑

综合前面的分析和优化思路,建议该选股策略的逻辑为:

  • 振幅大于1;
  • 至少5根均线重叠;
  • 酷特智能早晨之星形态。

同花顺指标公式代码参考

  • 酷特智能早晨之星形态:KELLY_STAR_MORNING(CLOSE, OPEN, LOW, HIGH, D1, D2, D3),其中D1、D2、D3分别为判断形态的阈值。这一指标需要自己编写脚本或者使用KELLY指标库进行计算。

python代码参考

import pandas as pd 
import tushare as ts 
import talib

def get_stock_pool(date):
    # 获取所有股票代码
    df = ts.get_stock_basics()
    codes = df.index.tolist()

    result = pd.DataFrame()

    for code in codes:
        # 上市不足60天的股票忽略
        if (pd.to_datetime(date) - pd.to_datetime(df.loc[code]['timeToMarket'])).days <= 60:
            continue

        # 规模筛选
        total_mv = df.loc[code]['totalAssets'] * df.loc[code]['pb']
        if total_mv < 2e8:
            continue

        bars_all = ts.get_k_data(code, '2022-01-01', date)

        if bars_all is None or bars_all.empty or len(bars_all) < 2:
            continue
    
        # 20日、60日和120日均线
        close = bars_all['close'].values
        ma_20 = talib.MA(close, timeperiod=20)
        ma_60 = talib.MA(close, timeperiod=60)
        ma_120 = talib.MA(close, timeperiod=120)
        is_ma_up = ma_20[-1] > ma_60[-1] > ma_120[-1]

        # 5日、10日和20日均线
        ma_5 = talib.MA(close, timeperiod=5)
        ma_10 = talib.MA(close, timeperiod=10)
        ma_20 = talib.MA(close, timeperiod=20)
        ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20]]))
        is_ma_converge = ma_count >= 5

        # 是否酷特智能早晨之星形态
        is_star_morning = kelly_star_morning(bars_all)
        
        if is_star_morning and is_ma_converge and is_ma_up:
            result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars_all['close'].iloc[-1], 'vol': df.loc[code]['volume']},ignore_index=True)

    result = result.sort_values(by=['vol'], ascending=False)
    return result

# 自行编写函数,计算KELLY_STAR_MORNING指标,返回bool值
def kelly_star_morning(bars_all):
    return True

注:此函数用于在某个日期获取备选股票池,返回dataframe,包括代码、名称、最新价格、热度等信息。涉及的指标可以参考TALib和tushare。具体市值筛选和指标选取标准可根据实际需求选取。

    ## 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