Supermind量化交易-收盘价大于M20、分时换手率前二个、走出5浪

用户头像神盾局量子研究部
2023-10-26 发布

问财量化选股策略逻辑

该策略的核心逻辑是基于收盘价、分时换手率和波浪形态,选出有上涨潜力的股票。

选股逻辑分析

  1. 收盘价大于M20:这是筛选出已经突破了中期阻力位的股票。
  2. 分时换手率前二个:表明这个股票在当日交易中表现活跃,容易受到市场资金的关注。
  3. 走出5浪:五浪形态是常见的技术图形,表示股票已经经历了完整的上涨周期,未来可能存在继续上涨的动力。

有何风险?

尽管该策略有一些优点,但也存在一些风险:

  • 市场环境变化:市场的走势可能会因为各种因素而改变,因此这个策略可能无法适应所有的市场情况。
  • 模型失效:虽然该策略是基于历史数据建立的,但历史并不能完全预示未来。如果市场发生大的变化,该策略可能就失效了。

如何优化?

为了克服这些风险,可以考虑以下几个方面进行优化:

  • 使用更多的时间窗口:不仅仅是M20,还可以使用其他的时间窗口,比如M30、M60等,这样可以更全面地考虑市场的走势。
  • 引入更多的指标:除了收盘价和分时换手率,还可以引入其他的指标,比如成交量、MACD等,这样可以增加策略的准确性和稳定性。

最终的选股逻辑

常见问题

  1. 如何设置M20、M30、M60的时间窗口?
    • M20代表的是二十日均线,可以根据自己的实际情况调整数值。
    • M30代表的是三十日均线,也可以根据自己的实际情况调整数值。
    • M60代表的是六十日均线,同样可以根据自己的实际情况调整数值。

python代码参考

import pandas as pd
import matplotlib.pyplot as plt

# 示例数据
df = pd.read_csv('data.csv')

# 设置M20、M30、M60的时间窗口
window_m20 = df['close'].rolling(window=20).mean()
window_m30 = df['close'].rolling(window=30).mean()
window_m60 = df['close'].rolling(window=60).mean()

# 筛选收盘价大于M20、分时换手率前二个且走出5浪的股票
selected_df =

## 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