问财量化选股策略逻辑
选股逻辑
这个策略主要是基于60分钟Dma和Amo指标的结合，以及分时换手率前两个条件来筛选股票。当60分钟Dma值大于Amo值时，说明短期的趋势向上，且换手率前两个表示有较强的市场参与度，这些都是积极的信号。
然而，需要注意的是，这种策略可能会遗漏一些重要的信息。例如，如果在某一时间段内，股价突然大幅下跌，但是60分钟Dma和Amo指标没有明显的变化，那么这个策略就无法识别出这一情况。
另外，这种方法也无法处理极端的情况，例如在极短的时间内，股价的波动非常大，导致Dma和Amo指标失去意义。
因此，需要结合其他的数据和信息，例如公司的基本面、行业的发展趋势等，来进行综合判断。
有何风险？
- 只依赖于技术指标，可能会忽略基本面和公司的情况。
- 在极端的情况下，可能会错过一些好的投资机会。
如何优化？
可以考虑使用更多的数据和信息进行综合判断，例如公司的基本面、行业的发展趋势等。同时，也可以尝试使用其他的交易策略，例如MACD、RSI等，以增加预测的准确性。
最终的选股逻辑
根据60分钟Dma和Amo指标的结合，以及分时换手率前两个条件，结合公司的基本面、行业的发展趋势等信息，进行综合判断。
常见问题
- 怎么获取60分钟Dma和Amo指标？
- 怎么获取分时换手率？
- 怎么获取公司的基本面和行业的发展趋势等信息？
python代码参考
import pandas as pd
from talib import MA, DEMA
def dddama(df):
df['60Dema'] = MA(df['Close'], timeperiod=60)
df['60Ddx'] = DEMA(df['60Dema'], timeperiod=60)
return df
df = pd.read_csv('stock.csv') # 读取股票数据
df = dddama(df) # 计算Dma和Ddx
# 按照策略选择股票
selected_stocks = df[(df['60Dema'] > df['60Ddx']) & (df['Volume'].rolling(window=2).mean() >
## 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。