我也做过一个类似原理的，不过效果不好，当时是能选到妖股，但是没法用指标判断卖出，回头看交易日志，经常妖股还差两天启动呢，就卖掉了。

@icefish 买点卖点一直都是一个策略的难点，尤其是对于一个量化策略来说。可以根据自己策略的实际情况采取不同的措施，比如由于妖股的趋势内洗盘调整等情况比较普遍，策略便可以改变思路为多抓妖股的第一阶段趋势，或者放宽松卖点的设置，配上更加严谨地止损风控也可行~

@ScintiGimcki 我也是在尝试各种形态判断突破,但是抛开环境都有些缘木求鱼.最近一直在试图做到个全局扫描,先努力识别所有个股的形态及各指标位置.每日跑大盘的全局扫描找到最强的有生力量.可惜数据都是滞后的看到的时候都已经比较滞后了,同时期满足同形态突破的都是一批次.经常朝三暮四,回看才发现又跑偏了,O(∩_∩)O~.最近一波强力都是类似指数形态的,之前一波强势突破年线缩量回落年线附近,结合最近的震荡突然加速拉升个股居多.次新比较特殊不在这个范围

@John 确实形态分析会容易跑偏，谁都会跑偏的哈哈。不过我觉得判断突破本来就没有什么指标能够保证100%成功率的，量化策略本来就有一个[“大数定理”](https://baike.baidu.com/item/%E5%A4%A7%E6%95%B0%E5%AE%9A%E5%BE%8B/410082?fr=aladdin)的隐含思想在里边你只要相信自己的形态分析指标，让自己的策略在判断突破的成功率上能够超过50%，那么这个策略就成功了~ 还有你说的数据滞后性的问题，这也是为什么我把策略定位为“抓妖股”的原因，妖股的收益预期很高，我可以容忍策略错失刚起步时收益，也可以容忍无法吃到完整的趋势收益，我只要能够在一次成功的判断之中抓到这一次趋势的大头，那么这个策略就已经非常不错了，这样的话数据滞后性也不再是一个致命的问题了~

@John 光是横盘窄幅震荡的突破基本上死路一条，我实盘遇到过极端的情况有连续六次假突破，最后真突破走出来再掐头去尾一算还亏.提高胜算还是得从市场预期，相关品种联动，过滤掉和大趋势相反的信号等方面入手.这种形态能也只能给到一种比较好的潜在盈亏比

选股条件有点费解。 帖子正文说：“昨日放量上涨突破了布林信道上轨线” 程序第126行注解说“昨日收盘价位于中线上方，在上线的下方” 程序第127行的代码却是： close_buy.iloc[:,-1]>up_line.iloc[:,-1] 这是拿昨日收盘价和前lag+1天的布林上线比较。 close_buy日期顺序的，但up_line是日期逆序的，比较绕。 如果是突破上轨，貌似应该取up_line.iloc[:,1]。 请教一下。

不好意思，再请教一下。能解释一下选股之后进行排序的原理吗？ get_rank（）和grade_rank（）没看明白。 选择回测2017年6月19日（可以设置2017.6.18-2017.6.19）一天的数据，到130行会选出7只股票，如图。 从原始指标portion来看，不太能理解为啥妖股600111.XSHG（北方稀土）能脱颖而出。 ![1.png][1] [1]: https://image.joinquant.com/6031b450759c69fb5b4061809ca66ba5

@幸筍 第126行的注解应该是忘记修改了，应为“位于上线上方”。 至于为什么取up_line.iloc[:,-1]，是因为这lag日的布林信道宽度都很窄，但又是逐渐放宽的，突破了lag+1日前的上线意味着几乎已经突破了昨日上线，这里是冒险性的采取了一点预测性的尝试，由于有布林信道宽度的限制，效果还不错~

@幸筍 这一部分的代码块是这样： ```python get_rank(portions) # 将涨幅指标替换为排名指标 grade = np.dot(portions,[[1.2],[0.5]]) grade_rank(grade,buy) # 对grade进行冒泡排序 ``` get_rank分别得到排名之后，对两个排名分别赋予1.2与0.5的比重得到新的指标，对新的指标再进行排序。

你好，回测了几个实际的股票，收盘价收在中轨以下止损好像并没有触发，不知道是什么原因，我改了参数为5支可持有最大股票，lim设为0.1。 可不可以改为持有该股票时的最大回撤到5%时止损，如果可以改，还求指教，新手 还有就是连续5日收口，倒数第二第一天开始开口变大，可以规避掉那种长期慢慢下跌，突然反弹突破上轨又回落的股票吗 谢谢

@幸筍 您好您那个问题搞明白了么？我测得结果和您一样，get_rank之后[0]的排序和[1]的排序好像都和portion里的数据不一致呀，那个get_rank到底是怎么算的？谢谢

@幸筍 并且排序的数据应该是前面第6日的价格涨幅，与前6日比前5日的交易额对比，是不是我理解问题？怎么觉得不太对呢？

@ScintiGimcki 不好意思，请教一下，关于幸筍的图，冒泡以后600111get_rank之后的排名应该是，5 4呀，怎么会是0 2 呢？

@ScintiGimcki @幸筍 ,我找到原因了， 1、冒泡法排序的时候 ``` for row in range(len(por)): for nrow in range(row): if indexes[nrow]<indexes[row]: indexes[nrow],indexes[row] = indexes[row],indexes[nrow] for col in range(len(por[0])): por[nrow][col],por[row][col] = por[row][col],por[nrow][col] ``` 这段，应该把小于号; 改成大于号才是顺序排列;,这样幸筍里那张图get_rank之后的排序应该是， get_rank后 5 0 2 1 1 3 3 4 0 2 6 5 4 6 这才是对的，不过，这样就会漏掉600111，而选出来的是 600498.但是这样回测结果很差。 后来，我又觉得原来策略里，取的量价涨幅时间点，其实是回测当天前面第6天的，我改成回测前一天了 ``` portions[i][0] = (close_buy.iloc[i,-1]-open_buy.iloc[i,-1])/open_buy.iloc[i,-1] portions[i][1] = (volume_buy.iloc[i,-1]-volume_buy.iloc[i,-2])/volume_buy.iloc[i,-1] ``` 这样回测结果也一般，题主的思路很好，还可以继续好好研究一下。

相关度系数为什么是2呢？

@superwb @ScintiGimcki @幸筍 我觉得superwb说的是对的，策略冒泡排序有问题，之前收益好是过度拟合的吧

@BetterMan python 有个工具叫做ta-lib，有实现

@小和你这个指标有点意思，能共享嘛

回测十年只有去年赚钱