问财量化选股策略逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、周线MA5金叉MA10的股票。该策略旨在找到近期表现较好、且处于上涨趋势的股票。
选股逻辑分析
- 振幅大于1说明短期内波动较大;
- 开盘价在十日均线左右说明股票处于调整期;
- 周线MA5金叉MA10说明股票近期表现较好,且处于上涨状态。
有何风险?
- 选股逻辑过于简单,可能存在部分符合条件但不具备实际上涨潜力的股票;
- 周线金叉属于追涨策略,股票随时可能出现调整。
如何优化?
- 加入其他技术指标一起筛选,以提高策略准确度;
- 加强风控,避免追高杀跌。
最终的选股逻辑
选股逻辑为振幅大于1、开盘价在十日均线左右、周线MA5金叉MA10的股票,并加入其他指标的综合考虑,以提高选股准确度和风控能力。
同花顺指标公式代码参考
# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)
# 判断开盘价在十日均线左右
ma10 = MA(CLOSE, 10)
picks_ma10 = IF((OPEN > ma10*0.95) & (OPEN < ma10*1.05), 1, 0)
# 判断周线MA5金叉MA10
ma5 = MA(CLOSE, 5)
ma10 = MA(CLOSE, 10)
if CROSS(ma5, ma10) and REF(CROSS(ma5, ma10), 1) == 0:
picks_ma5_ma10 = 1
else:
picks_ma5_ma10 = 0
# 选取符合条件的股票
picks_final = picks_amplitude * picks_ma10 * picks_ma5_ma10
# 输出选股结果
WriteIf(picks_final, picks_final, 0)
python代码参考
# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = set(df[df['amplitude'] > 1]['ts_code'].tolist())
# 判断开盘价在十日均线左右
ma10 = df['close'].rolling(10).mean()
df['picks_ma10'] = ((df['open'] > ma10*0.95) & (df['open'] < ma10*1.05)).apply(lambda x: True if x else False)
picks_ma10 = set(df[df['picks_ma10']]['ts_code'].tolist())
# 判断周线MA5金叉MA10
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
df['picks_ma5_ma10'] = ((ma5 > ma10) & (ma5.shift() <= ma10.shift())).apply(lambda x: True if x else False)
picks_ma5_ma10 = set(df[df['picks_ma5_ma10']]['ts_code'].tolist())
# 选取符合条件的股票
picks_final = picks_amplitude & picks_ma10 & picks_ma5_ma10
# 输出选股结果
print(picks_final)
## 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。
