问财量化选股策略逻辑
本策略基于以下选股逻辑：
- 10日均线≥180日均线：选取日线图中的10日均线和180日均线，只有当10日均线大于等于180日均线时，视为股票处于多头排列，适合买入。
- 剔除股价大于50元：将股票价格大于50元的排除在外，这样可以降低低估值股票的比例。
- roe由大到小：选取公司的净利润增长率（roe）进行排序，选择roe由大到小的股票，这样可以找到增长潜力较大的公司。
选股逻辑分析
该策略主要依靠三个指标来进行选股：均线、价格和净利润增长率。首先，通过均线来判断股票的走势，当10日均线大于等于180日均线时，视为股票处于多头排列。其次，剔除股价大于50元的股票，这样可以降低低估值股票的比例。最后，选取净利润增长率由大到小的股票，这样可以找到增长潜力较大的公司。
有何风险？
该策略的风险主要在于市场风险和低估值风险。市场风险是指股票价格受到整体市场行情波动的影响，如果市场行情下跌，可能会导致股票价格下跌。低估值风险是指股票价格低于其内在价值，如果股票价格继续下跌，可能会导致投资者亏损。
如何优化？
为了优化该策略，可以考虑引入更多的技术指标，如MACD、布林带等，以进一步判断股票的走势。此外，也可以考虑增加一些风险控制策略，如止损、止盈等，以降低投资者的风险。
最终的选股逻辑
最终的选股逻辑是：
- 10日均线≥180日均线；
- 股票价格小于等于50元；
- 净利润增长率由大到小。
常见问题
- 什么是均线？均线如何判断股票的走势？
- 什么是净利润增长率？净利润增长率如何判断公司的增长潜力？
- 如何判断股票价格是否高于其内在价值？
- 如何控制投资者的风险？
- 如何优化选股策略？
指标公式代码参考
以下是通达信和同花顺的指标公式代码：
通达信指标公式代码参考：
def compute_ma(df, short_window, long_window):
ma_short = df['MA_' + str(short_window)].rolling(window=short_window).mean()
ma_long = df['MA_' + str(long_window)].rolling(window=long_window).mean()
df['MA_cross'] = np.where(ma_short > ma_long, 1, 0)
df['MA_signal'] = (ma_short - ma_long) / ma_long * 100
return df
df = compute_ma(df, 10, 180)
同花顺指标公式代码参考：
def compute_ma(df, short_window, long_window):
ma_short = df['MA_' + str(short_window)].rolling(window=short_window).mean()
ma_long = df['MA_' + str(long_window)].rolling(window=long_window).mean()
df['MA_cross'] = np.where(ma_short > ma_long, 1, 0)
df['MA_signal'] = (ma_short - ma_long) / ma_long * 100
return df
df = compute_ma(df, 10, 180)
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。