Python量化交易学习笔记（十三）——按规则选股

下载数数据深沪6000多家公司、扩展因子、测试选股规则后，按照规则进行选股的过程。

选股规则

本文就选股规则所测试规则相同，即：

• 2日前倍量暴涨9%以上。
• 随后两日缩量调整。
• 收盘价在20日线上方。
• 20、30、60、120、250日线多头排列。
• 选股规则代码如下：

• condition = df['value_boom_2a'].iloc[-1] and 
                      df['volume_2a'].iloc[-1] >= 2 * df['volume_3a'].iloc[-1] and 
                      df['volume_2a'].iloc[-1] > df['volume_1a'].iloc[-1] and 
                      df['volume_2a'].iloc[-1] > df['volume'].iloc[-1] and 
                      df['close'].iloc[-1] < df['close_2a'].iloc[-1] and 
                      df['close_1a'].iloc[-1] < df['close_2a'].iloc[-1] and 
                      df['close'].iloc[-1] > df['ma_20'].iloc[-1] and df['ma_30'].iloc[-1] > df['ma_60'].iloc[-1] 
                      > df['ma_120'].iloc[-1] > df['ma_250'].iloc[-1]
  

  　　

  结果分析

  选出的所有满足选股规则的股票，都会保存在csv文件中。
  本文发布日期为2021年6月23日，当日只选出2只符合条件的股票，耗时880秒，csv文件截图如下。

• C:Python38python.exe F:/test/src/com/gzh/demo49.py
  sz002285
  sz300627
  程序所耗时间： 880.6239831447601
  

  　　

• 　通了基于历史数据的规则验证以及选股流程。这样就可以先找到靠谱的规则，然后在每日盘后自动选出满足规则的股票，再做交易。有历史数据分析做支撑，至少不会成为韭菜里最高的那一波。　

• 

  

  
  
  

  import datetime
  import time
  import sys
  import os
  import pandas as pd
  
  # 获取当前目录
  proj_path = os.path.dirname(os.path.abspath(sys.argv[0])) + '/../'
  
  if __name__ == '__main__':
      # 程序开始时的时间
      time_start = time.time()
      # 读入股票代码
      stk_code_file = proj_path + 'data/tdx/all_codes.csv'
      codes = pd.read_csv(stk_code_file, encoding='unicode_escape')['code']
      code_list = []
      for code in codes:
          input_file = proj_path + 'data/extension/d/hard_rules/' + code + '.csv'
          df = pd.read_csv(input_file, index_col=0)
          condition = df['value_boom_2a'].iloc[-1] and 
                      df['volume_2a'].iloc[-1] >= 2 * df['volume_3a'].iloc[-1] and 
                      df['volume_2a'].iloc[-1] > df['volume_1a'].iloc[-1] and 
                      df['volume_2a'].iloc[-1] > df['volume'].iloc[-1] and 
                      df['close'].iloc[-1] < df['close_2a'].iloc[-1] and 
                      df['close_1a'].iloc[-1] < df['close_2a'].iloc[-1] and 
                      df['close'].iloc[-1] > df['ma_20'].iloc[-1] and df['ma_30'].iloc[-1] > df['ma_60'].iloc[-1] 
                      > df['ma_120'].iloc[-1] > df['ma_250'].iloc[-1]
          if condition:
              code_list.append(code)
              print(code)
      pd.DataFrame(data=code_list, columns=['code']).to_csv(proj_path + 'data/temp/' + datetime.datetime.strftime(
          datetime.datetime.now(), '%Y-%m-%d-%H-%M-%S') + '.csv', index=False)
      # 程序结束时系统时间
      time_end = time.time()
      print('程序所耗时间：', time_end - time_start)
  

  　　

  为了便于相互交流学习，新建了微信群，感兴趣的读者请加微信。