Supermind量化交易-昨日压力位除以90%成本上限、分时换手率前二个、顺博合金下跌会

问财量化选股策略逻辑

这个策略的主要逻辑是通过计算昨日的压力位，然后将压力位除以90%的成本上限，得到一个数值，如果该数值小于等于1，那么就表示今日股票价格可能会低于昨日的压力位，此时可以考虑买入；如果该数值大于1，那么就表示今日股票价格可能会高于昨日的压力位，此时可以考虑卖出。

此外，该策略还考虑了分时换手率和顺博合金下跌会合线两个因素。分时换手率是指一段时间内股票的换手情况，如果分时换手率高，说明市场活跃度高，可能会有更多的交易机会。顺博合金下跌会合线则是指在顺博合金股价下跌过程中，如果有两次以上的K线形成了下降趋势，那么就表示此时是一个比较好的卖出时机。

但是，这个策略也存在一定的风险。首先，市场行情瞬息万变，昨日的压力位并不一定能够准确预测今日的走势。其次，分时换手率和顺博合金下跌会合线虽然是有效的指标，但并不是唯一的指标，投资者还需要结合其他指标进行判断。

对于如何优化这个策略，可以从以下几个方面入手：一是扩大历史数据的时间范围，以便更准确地计算昨日的压力位；二是增加更多的指标来辅助决策，例如均线、MACD等；三是调整参数，如成本上限的百分比，以适应不同的市场环境。

最终的选股逻辑

通过对昨日压力位、分时换手率和顺博合金下跌会合线的综合考虑，我们可以得出一个综合的买卖信号。具体来说，当昨日的压力位小于等于1，且分时换手率位于前二名，并且顺博合金股价下跌形成了两次以上的下降趋势时，我们就可以认为这是一个买入信号；反之，如果昨日的压力位大于1，且分时换手率位于后三名，并且顺博合金股价下跌形成了两次以上的下降趋势时，我们就可以认为这是一个卖出信号。

常见问题

1. 如何计算昨日的压力位？
2. 分时换手率是如何计算的？
3. 顺博合金下跌会合线是什么意思？
4. 如何优化这个策略？

python代码参考

import pandas as pd
from datetime import datetime
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# 历史数据
data = pd.read_csv('stock

## 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。