问财量化选股策略逻辑
选股逻辑为振幅大于1、量比大于1.5、量比小于6、今日均线向上发散。
选股逻辑分析
- 振幅大于1可以筛选出波动较大、有较大盈利机会的股票。
- 量比大于1.5、量比小于6可以筛选出成交活跃但不过度的股票。
- 均线向上发散说明短期走势向上，在股票走势上可作为过滤器。
- 今日均线向上发散代表股价略高于短期均线，短期趋势向上。
有何风险？
- 单纯依赖技术指标进行选股，忽略公司基本面，容易造成选股结果与股票实际潜力不符。
- 发散与收敛的判别标准具有主观性，是否发散会因为不同人选取的指标不同而有所不同，有可能选出波动性过大的股票。
如何优化？
- 将技术指标和基本面指标相结合，综合考虑，提高选股的准确性。
- 引入其他股票特征参数如行业板块、市值、财务报告等，精准地挖掘市场潜力股。
- 优化均线向上发散的筛选条件，采用不同的时间周期和均线类型，例如加入20日均线等。
最终的选股逻辑
选股逻辑为振幅大于1、量比大于1.5、量比小于6、今日5日均线向上发散。
同花顺指标公式代码参考
(HIGH-LOW)/LOW>=0.01
AND (VOL/VOL_MA5>=1.5)
AND (VOL/VOL_MA5<=6)
AND (MA5>MA10) //今日均线向上发散，5日均线必须大于10日均线
AND (DATETSTOC(CLOSE) AND YESTSTOC(CLOSE)<TSTOC(CLOSE))
python代码参考
import akshare as ak
def select():
data = ak.stock_board_industry(symbol="行业板块") # 用于筛选市值低于100亿的股票
codes = list(data['股票代码'])
selected = []
for code in codes:
df = ak.stock_zh_a_daily_sina(symbol=code)
df['5日均线'] = df['close'].rolling(window=5).mean()
df['10日均线'] = df['close'].rolling(window=10).mean()
df['均线发散'] = df['5日均线'] > df['10日均线']
if (df['high'] - df['low']) / df['low'].iloc[-1] < 0.01 \
and df['volume'].iloc[-1] / df['volume'].rolling(5).mean().iloc[-1] > 1.5 \
and df['volume'].iloc[-1] / df['volume'].rolling(5).mean().iloc[-1] < 6 \
and df['均线发散'].iloc[-1] == 1 \
and data['总市值'].loc[data['股票代码'] == code].values[0] < 100000000:
selected.append(code)
return 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。
