(supermind)振幅大于1、流通市值大于100亿元、周线MA5金叉MA10_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选股逻辑为:振幅大于1,流通市值大于100亿元,周线MA5金叉MA10。该选股策略主要考虑选取走势良好、具有一定成长性和市值优势的优质股票。

选股逻辑分析

该选股策略主要考虑选取周线走势良好、且维持上涨的优质股票,同时过滤市值不足的个股。振幅大于1可以反映出一定的交投活跃度,流通市值大于100亿元是公司规模的体现,周线MA5金叉MA10则是技术指标的主要方式,用来判断买入信号。

有何风险?

该策略主要以技术指标为选股依据,可能忽略了一些基本面因素,如公司财务状况和行业发展前景等。同时,短期MA的变换可能受到市场情绪的影响而频繁变化,过于依赖MA指标也会出现失误。

如何优化?

可以结合基本面指标,如市盈率、市净率等,来综合分析选股。在技术指标上,可以加入其他主流指标的数据,如MACD、KDJ等辅助指标,来提高选股的准确性和机会获得率。

最终的选股逻辑

选股条件为:振幅大于1,流通市值大于100亿元,周线MA5金叉MA10,且结合其他技术指标和基本面因素进行综合筛选。

同花顺指标公式代码参考

C1: ABS((HIGH/LOW-1)*100) >= 1; //振幅大于1
C2: CIRC_MV > 10000000000; //流通市值大于100亿元
C3: CROSS(MA(VOL,5),MA(VOL,10)) AND WEEKLY; //周线MA5金叉MA10
SYMBOL: C1 AND C2 AND C3;

python代码参考

import pandas as pd
import tushare as ts

def select_stocks(length):
    ts.set_token('your_token')
    pro = ts.pro_api()

    # 获取所有股票数据
    data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,market')

    # 筛选符合条件的股票
    data['sort'] = data['circ_mv'].rank(ascending=False)  # 根据流通市值进行排序
    data = data[data['sort'] <= 200]  # 取前200名

    select_list = []
    for i in range(len(data)):
        code = data.iloc[i]['ts_code']
        market = data.iloc[i]['market']
        if market != 'SH': # 非主板股票
            continue
        # 判断股票走势和MA金叉
        weekly_data = pro.weekly(ts_code=code, start_date='20210101', end_date='20210901', fields='ts_code,trade_date,close,ma5,ma10')
        if len(weekly_data) == 0 or weekly_data.iloc[-1]['ma5'] < weekly_data.iloc[-1]['ma10'] or weekly_data.iloc[-2]['ma5'] > weekly_data.iloc[-2]['ma10']:
            continue
        select_list.append({'ts_code': code, 'name': data.iloc[i]['name'], 'close': weekly_data.iloc[-1]['close'], 'ma5': weekly_data.iloc[-1]['ma5'], 'ma10': weekly_data.iloc[-1]['ma10']})

    # 按照市值和MA5与MA10的差值排序
    selected_stocks = pd.DataFrame(select_list)
    selected_stocks['diff'] = selected_stocks['ma5'] - selected_stocks['ma10']
    selected_stocks = selected_stocks.sort_values(by=['diff', 'circ_mv'], ascending=[False, False])
    # 随机选择一定数量的股票
    selected_stocks = selected_stocks.sample(n=length)
    return selected_stocks
    ## 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