(supermind量化)流通盘小于等于55亿股_、10日涨幅大于0小于35、至少5根均线

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 10日涨幅大于0小于35
• 流通盘小于等于55亿股

选股逻辑分析

• 这个策略通过寻找至少5根均线重合的股票来筛选出可能具有较强趋势的股票。
• 10日涨幅大于0小于35的条件是为了筛选出近期有上涨趋势的股票。
• 流通盘小于等于55亿股的条件是为了筛选出中小盘股票，因为中小盘股票通常具有更高的活跃度和更好的市场表现。

有何风险？

• 这个策略可能会忽略一些具有长期上涨趋势的股票，因为它们可能不符合均线重合的条件。
• 这个策略可能会选择一些短期波动较大的股票，因为它们可能在短期内符合涨幅条件。
• 这个策略可能会选择一些流通盘较小的股票，因为它们可能具有更高的市场风险。

如何优化？

• 可以考虑增加均线数量，例如选择10根均线或更多，以提高策略的准确性和稳定性。
• 可以考虑加入其他条件，例如市盈率、市净率等，以更好地筛选出具有投资价值的股票。
• 可以考虑使用其他技术指标，例如MACD、布林线等，以更好地判断股票的趋势和波动。

最终的选股逻辑

• 选择至少5根均线重合的股票
• 选择10日涨幅大于0小于35的股票
• 选择流通盘小于等于55亿股的股票
• 选择市盈率小于20、市净率小于2的股票
• 选择MACD金叉且DIF线上穿0轴的股票

python代码参考

• 以下是一个简单的Python代码示例，用于实现上述策略：

import talib

def get_cooperation_line(df):
    # 获取5日、10日、20日、60日和120日均线
    ma5 = talib.MA(df['close'], timeperiod=5)
    ma10 = talib.MA(df['close'], timeperiod=10)
    ma20 = talib.MA(df['close'], timeperiod=20)
    ma60 = talib.MA(df['close'], timeperiod=60)
    ma120 = talib.MA(df['close'], timeperiod=120)

    # 计算五线合一的条件
    cooperation_line = ma5 == ma10 == ma20 == ma60 == ma120

    # 返回结果
    return cooperation_line

def get_trend(df):
    # 获取10日涨幅
    delta = df['close'].diff()

    # 计算涨幅条件
    trend = delta > 0 and delta[-1] > 0.35

    # 返回结果
    return trend

def get_size(df):
    # 获取流通盘
    size = df['流通盘']

    # 返回结果
    return size

def get策略(df):
    # 获取至少5根均线重合的股票
    cooperation_line = get_cooperation_line(df)
    trend = get_trend(df)
    size = get_size(df)

    # 返回结果
    return cooperation_line & trend & size

# 读取数据
df = pd.read_csv('data.csv')

# 筛选出符合条件的股票
selected = df[df['策略'] == 1]

# 输出结果
print(selected)

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。