(supermind量化)买一量_卖一量_、昨天换手率＞8%、至少5根均线重合的股票

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%
• 买一量>卖一量

选股逻辑分析

• 这个策略的逻辑是寻找均线重合的股票，意味着这些股票的价格趋势比较稳定，同时也说明这些股票的交易活跃度较高。
• 换手率的要求是为了筛选出活跃的股票，而买一量大于卖一量则是为了确保股票的买入意愿较强。

有何风险？

• 这个策略的局限性在于它只能筛选出部分活跃的股票，而不能筛选出所有活跃的股票。
• 如果股票的价格趋势不稳定，那么这个策略可能会失效。
• 如果股票的交易量过低，那么这个策略可能会失效。

如何优化？

• 可以考虑加入更多的均线作为筛选条件，以提高策略的准确率。
• 可以考虑加入其他指标作为筛选条件，以提高策略的准确率。
• 可以考虑加入更多的时间周期作为筛选条件，以提高策略的准确率。

最终的选股逻辑

• 选取5日、10日、20日、60日、120日均线重合的股票
• 选取昨天换手率大于8%的股票
• 选取买一量大于卖一量的股票

python代码参考

import talib
import pandas as pd

def get_stock_data():
    # 获取股票数据
    df = pd.read_csv('stock_data.csv')
    return df

def get_moving_average(df, n):
    # 计算n日移动平均线
    ma = talib.MA(df['close'], n)
    df['ma_' + str(n)] = ma
    return df

def get_crossing_moving_average(df, n1, n2):
    # 获取n1日移动平均线与n2日移动平均线的交叉点
    crossing = talib.CROSS(df['ma_' + str(n1)], df['ma_' + str(n2)])
    df['crossing'] = crossing
    return df

def get筛选条件(df):
    # 筛选条件
    df = df[df['crossing'] == True]
    df = df[df['昨天换手率'] > 8]
    df = df[df['买一量'] > df['卖一量']]
    return df

def get_final_data(df):
    # 获取最终数据
    df = df[df['ma_5'] > df['ma_10']]
    df = df[df['ma_10'] > df['ma_20']]
    df = df[df['ma_20'] > df['ma_60']]
    df = df[df['ma_60'] > df['ma_120']]
    return df

# 获取股票数据
df = get_stock_data()

# 计算5日、10日、20日、60日、120日移动平均线
df = get_moving_average(df, 5)
df = get_moving_average(df, 10)
df = get_moving_average(df, 20)
df = get_moving_average(df, 60)
df = get_moving_average(df, 120)

# 获取n1日移动平均线与n2日移动平均线的交叉点
df = get_crossing_moving_average(df, 5, 10)
df = get_crossing_moving_average(df, 5, 20)
df = get_crossing_moving_average(df, 5, 60)
df = get_crossing_moving_average(df, 5, 120)
df = get_crossing_moving_average(df, 10, 20)
df = get_crossing_moving_average(df, 10, 60)
df = get_crossing_moving_average(df, 10, 120)
df = get_crossing_moving_average(df, 20, 60)
df = get_crossing_moving_average(df, 20, 120)
df = get_crossing_moving_average(df, 60, 120)

# 筛选符合条件的股票
df = get筛选条件(df)

# 获取最终数据
df = get_final_data(df)

# 输出结果
print(df)

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。