supermind股票选股策略:涨幅〈0、收盘价大于M20、技术形态

用户头像神盾局量子研究部
2023-11-08 发布

问财量化选股策略逻辑

首先,我们的选股逻辑是基于以下三个条件:

  1. 涨幅:通过查看股票的历史价格走势,选取一段时间内的涨幅小于0的股票。
  2. 收盘价:选取当前交易日的收盘价。
  3. M20:使用移动平均线方法,选择过去20个交易日收盘价的平均值。

这三种条件的组合形成了一种筛选机制,可以排除短期内价格波动较大的股票,同时考虑到长期趋势。

选股逻辑分析

这个策略的优点是可以过滤掉短期大幅波动的股票,避免因短期价格波动带来的投资风险。缺点是可能会错过一些短期表现较好的股票。

有何风险?

尽管该策略能够有效地筛选出一部分优质股票,但不能保证一定能够取得高收益。另外,因为我们需要计算平均值,所以需要一定的数据量才能得到准确的结果。如果数据量不足,可能会导致结果偏差。

如何优化?

对于这个问题,我们可以通过增加数据量、调整参数或者采用其他更复杂的算法来优化。比如,我们可以考虑加入更多的技术指标,如MACD、RSI等,来提高预测的准确性。

最终的选股逻辑

在满足以上条件的基础上,我们还可以结合其他的财务数据,如市盈率、市净率等,来进行进一步的筛选。此外,我们还可以通过机器学习的方法,自动学习和识别符合我们标准的股票。

常见问题

  1. 如何获取历史价格数据?
    答:可以在各大证券公司的网站上下载历史价格数据,或者使用专业的数据接口。

  2. 如何计算移动平均线?
    答:移动平均线是一种统计技术,用来平滑价格走势。公式如下:MA = (n日收盘价之和) / n

  3. 如何获取市盈率、市净率等财务数据?
    答:这些数据通常可以从各大证券公司的官方网站上获取,或者使用专业的财经数据分析工具。

  4. 如何调整参数?
    答:可以根据实际经验和市场情况进行调整,一般情况下,参数的数值越大,结果越保守;反之,参数的数值越小,结果越激进。

  5. 如何进行机器学习?
    答:可以使用Python等编程语言,结合Scikit-Learn等库,实现机器学习模型的训练和应用。

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?

点击页面下方的复制按钮,复制到自己的账户即可使用模板进行回测。
收益&风险
源码

评论