量化交易學習筆記（十六）——策略篩股

在完成指標計算之後，我們就可以寫程序遍歷所有股票數據，來篩選出滿足條件股票了。

在筆記（十四）中，我們看到在幾組回測實驗中，選取5日線及60日線的金叉買入、死叉賣出策略，最終能獲取最高（僅限於幾組實驗數據）的資產。本文將嘗試選取出前一日5日線金叉60日線的股票。

實驗數據截止至2020年3月3日，即我們的策略要選取截止至2020年3月3日，最新的兩根K線出現5日線金叉60日線的股票，相關代碼為：

<code> 
def
 
golden_crossover
(df, fast, slow)
:

     
    
if
 df.shape[
0
] < slow:
        
return
 
False
     
    fast_indicator = 
'ma_%d'
 % fast
    slow_indicator = 
'ma_%d'
 % slow
     
    
return
 df[fast_indicator][df.index[
0 
]] > df[slow_indicator][df.index[
0
]] \
        
and
 df[fast_indicator][df.index[
1
]] < df[slow_indicator][df.index[
1
]]/<code>

如果股票數據滿足金叉條件，代碼返回True，否則返回False。代碼先判斷當前股票的K線是否能計算出長期均線的值，來排除一些次新股K線數目不足的干擾。然後通過比較最後兩日短期均線和長期均線的關係來判斷是否金叉。

通過遍歷股票數據，共篩選出滿足條件股票46只（當前數據集未包含近期的次新股）：000301、000509……601800、603699。

我們來抽兩隻看下K線圖，K線圖截取自2020年3月4日，包含了該日的K線，我們需要看的是3月2日及3月3日的K線，即觀察倒數第二、三根的K線及均線情況，白色均線為5日線，黃色均線為60日線。

000509：

603699：

可以看到，兩隻股票在3月3日均出現5日線與60日線的金叉，驗證了我們程序的正確性。

友情提示：本系列學習筆記只做數據分析，記錄個人學習過程，不作為交易依據，盈虧自負。按照5日線60日線金叉策略，000509在金叉後的一天在下跌，603699則是上漲。

策略篩股代碼：

<code>
from
 __future__ 
import
 (absolute_import, division, print_function,
                        unicode_literals)
import
 datetime   
import
 os.path   
import
 sys   
import
 pandas 
as
 pd

 
def
 
golden_crossover
(df, fast, slow)
:

     
    
if
 df.shape[
0
] < slow:
        
return
 
False
     
    fast_indicator = 
'ma_%d'
 % fast
    slow_indicator = 
'ma_%d'
 % slow
     
    
return
 df[fast_indicator][df.index[
0
]] > df[slow_indicator][df.index[
0
]] \
        
and
 df[fast_indicator][df.index[
1
]] < df[slow_indicator][df.index[ 
1
]]

 
stk_code_file = 
'../TQDat/data/tq_stock_code.csv'
stk_pools = pd.read_csv(stk_code_file, encoding = 
'gbk'
)
out_df = pd.DataFrame(columns=[
'code'
], dtype = str)
 
for
 stk_code 
in
 stk_pools[
'code'
]:
    stk_code = 
'%06d'
 % stk_code
     
    input_file = 
'./tmp/'
 + stk_code + 
'.csv'
    df = pd.read_csv(input_file, index_col = 
0
)
    df = df.sort_index(ascending = 
False
)
    
if
 golden_crossover(df, 
5
, 
60
):
        out_df = out_df.append({
'code'
: stk_code}, ignore_index = 
True
)
        print(stk_code)
out_df.to_csv(
'./output/stock_picking.csv'
)/<code>