在没有学习接触量化的概念前，喜欢用通达信的选股公式去选股，毕竟3000多支股票不可能每个都去一个一个看。自己也用通达信写了一些公式来选股，所谓的技术分析：“出水芙蓉”，“蜻蜓点水”，“创X日新高”，“强势股回调” ，"支撑线，阻力线“等等各种各样的形态，刚开始会因为其中的一次两次的好运赚到钱了，以为从此打开了财富的大门，可是随着时间的流逝，几轮牛熊后，账户里的钱不但没有增加，反而越来越少了。 实际上通达信上或者自己认为的赚钱的K线形态，在统计概率上看并不高，再加上手续费，税费，随着交易的次数越来越多，大概率就是亏钱的，除非刚刚好遇到牛市。我想很多刚进入股市的同学，在入坑K线形态分析后都会遇到这些困惑。 我抽取了一个K线形:（涨停后股价回调到起涨点买入）来进行策略分析，看这个K线形态是否能在A股市场里赚钱。 强势股回调K线形态策略： 买入条件1：股价在前7日内有涨停； 买入条件2：股价回调到之前涨停那天前的收盘价附近+-3%； 买入条件3：成交量回落到涨停前5天的平均成交量附近+-3%； 全部满足以上3个条件后，第二天开盘时股价无异动（涨幅在+-3个点内）则买入。 卖出情形1：止损----亏损超7%； 卖出情形2：走势破坏----买入4天后，收益在小于3%； 卖出情形3：走势破坏止盈-----受益大于3%，股价下穿5日均线。 **第一步：先把退市股，ST股，停牌股去掉。** def paused_filter(security_list): current_data = get_current_data() #通过get_current_data()获取当前单位时间（当天/当前分钟）的涨跌停价, 是否停牌，当天的开盘价等 security_list = [stock for stock in security_list if not current_data[stock].paused]#将没有停牌的股票代码储存在一个列表中 return security_list #返回储存代码的列表 过滤退市股票 def delisted_filter(security_list): current_data = get_current_data() security_list = [stock for stock in security_list if not '退' in current_data[stock].name]#如果股票名称中没有“退”则储存在列表中 return security_list #返回储存代码的列表 过滤ST股票 def st_filter(security_list): current_data = get_current_data() security_list = [stock for stock in security_list if not current_data[stock].is_st]#通过`is_st`判断是否为ST股或*ST return security_list #返回储存代码的列表 ****第二步：编辑选股函数：select_stocks**** 筛选出符合策略条件的股票 # 返回：{stock:high_limit} def select_stocks(security_list,period): period_add=period+5 #计算涨停前5天人成交量均值 volume_mean5=0 stockspool=[] stocksztdate=[] #涨停日期 zt_count=0 zt_date=0 for stock in security_list: zt_bool=0 #涨停的标签 zt_price=0 #涨停价格记录 df_highandh_limit=attribute_history(stock,period_add,'1d',['high','low','high_limit','close','pre_close','volume']) j=0 zt_date=0 for i in range(len(df_highandh_limit)-5): j=i+5 volume_mean5=df_highandh_limit['volume'][i:i+4].sum()/5 #计算涨停前5天人成交量均值 increase_volume=df_highandh_limit['volume'][j]/(volume_mean5+1) #成交量放量 volume_mean5+1为去除日志的除数为0人警告 growrate=df_highandh_limit['close'][j]/df_highandh_limit['pre_close'][j] #涨幅 if df_highandh_limit['high'][j]==df_highandh_limit['high_limit'][j] and growrate>1.08 and increase_volume>3: #涨停且涨幅大于%8且成交放量2倍 zt_bool=1 #符合条件的涨停的标签=1 zt_date=j #记录涨停是哪一天 zt_price=df_highandh_limit['high_limit'][j] #涨停价格记录 break #比较涨停前一天的价格偏离值 devition_price=abs(df_highandh_limit['close'][-1]-df_highandh_limit['pre_close'][zt_date])/df_highandh_limit['pre_close'][zt_date] #振幅 zf=(df_highandh_limit['high'][-1]-df_highandh_limit['low'][-1])/df_highandh_limit['pre_close'][-1]-1 #涨跌幅 zdf=df_highandh_limit['close'][-1]/df_highandh_limit['pre_close'][-1]-1 #涨停后3天收盘价最大值 zdg=df_highandh_limit['close'][zt_date+1:zt_date+3].max() #判断符合条件1且#比涨停前一天的价格偏离值小于0.03回到起涨点 振幅小于0.05 涨跌幅大于-0.03 涨停后3天价格有超过涨停价格 if zt_bool==1 and devition_price< 0.03 and zf< 0.05 and zdf>-0.03 and zdg>zt_price : zt_count=zt_count+1 stockspool.append(stock) rq=df_highandh_limit.index.to_frame(index=False) #选出日期 stocksztdate.append(rq.iloc[zt_date,0]) print('选出的自选股数为：'+str(zt_count)) print(stockspool) dc={'涨停股票':stockspool,'涨停日期':stocksztdate} return stockspool #返回储存代码的列表 **第三步：对符合策略的股票评分，排序（符合策略的股票过多，用另一些条件因子股票缩小范围）** 自选股评分 def stockspool_mark(security_list): raise_clist=[] raise_hlist=[] raise_llist=[] score=0 score_list=[] for stock in security_list: df=attribute_history(stock,30,'1d',['close','high','low']) raise_C=(df['close'][-1]/df['close'][0]-1)*100 #股价当前涨跌幅 if raise_C< 0: score_1=0 elif raise_C>=0 and raise_C< 10: score_1=1*0.5 elif raise_C>=10 and raise_C< 30: score_1=5*0.5 elif raise_C>=30 and raise_C< 40: score_1=3*0.5 else: score_1=0 raise_clist.append(raise_C) raise_h=(df['high'].max()/df['close'][0]-1)*100 #股价最低价涨跌幅 if raise_h< 20: score_2=0 elif raise_h>=20 and raise_h< 30: score_2=2*0.25 elif raise_h>=30 and raise_h< 40: score_2=4*0.25 elif raise_h>=40 and raise_h< 50: score_2=2*0.25 else: score_2=0 raise_hlist.append(raise_h) raise_l=(df['low'].min()/df['close'][0]-1)*100 #股价最高价涨跌幅 if raise_l< -30: score_3=0 elif raise_l>=-30 and raise_l< -20: score_3=1*0.25 elif raise_l>=-20 and raise_l< -10: score_3=2*0.25 else: score_3=3*0.25 raise_llist.append(raise_l) score=score_1+score_2+score_3 score_list.append(score) dc={'涨停股票':security_list,'当前涨幅':raise_clist,'最高涨幅':raise_hlist,'最低涨幅':raise_llist,'股票得分':score_list} df_a=DataFrame(dc) print(df_a) df_b=df_a[df_a['股票得分']>=1.5].sort_values(by='股票得分',ascending=False) print("评分大于1.5分的股票:") print(df_b) g.buystocks=df_b['涨停股票'].tolist() **第四步：筛选出股票后，第二天买入股票** 买入函数 def buy_stocks(context): #可买的自选股数大于等于1只 #持股数未到最大值少于4 if len(g.buystocks)>0 and g.unit< 4: #可买股票个数，总持仓量少于4，自选股票池可买标的少于可持仓数 buy_today_num=min(len(g.buystocks),(g.max_unit-g.unit)) if buy_today_num>0: for i in range(buy_today_num): security = g.buystocks[i] # 获取标的的最新价 current_price = attribute_history(security, 1, '1m', ['close'], df=False)['close'][0] pre_c = attribute_history(security, 1, '1d', ['pre_close'], df=False)['pre_close'][0] #计算开盘涨跌幅 current_raise=current_price/pre_c-1 #判断是否已经买过此股 if(security not in context.portfolio.positions): #开盘涨跌幅在-0.03到0.03之间 if (-0.03< current_raise and current_raise< 0.03) : cash = context.portfolio.available_cash/(g.max_unit-g.unit) order_value(security,cash) #写入交易信息 g.trade_date.append(context.current_dt) g.trade_buy.append(security) g.trade_sell.append('na') g.trade_price.append(current_price) g.trade_profit.append('na') log.info('开仓买入:'+security+' 买入价格：'+str(current_price)) **第五步：监测股票是否达到卖出的条件，如果是卖出** 卖出函数 包含止损 止盈 def sell_stocks(context): for stock in context.portfolio.positions: #持有股票的天数 hold_day=len(get_price(stock, start_date=context.portfolio.positions[stock].init_time, end_date=context.current_dt)) profit=context.portfolio.positions[stock].price/context.portfolio.positions[stock].avg_cost-1 sell_price=context.portfolio.positions[stock].price if hold_day< 4: if(profit< -g.cut_loss_pct): order_target(stock,0) if context.portfolio.positions[stock].total_amount == 0: g.trade_date.append(context.current_dt) g.trade_buy.append('na') g.trade_sell.append(stock) g.trade_price.append(sell_price) g.trade_profit.append(profit) log.info('股票 %s 已经亏损至百分之7止损' % stock) elif hold_day==4: if(profit< 0.03): order_target(stock,0) if context.portfolio.positions[stock].total_amount == 0: g.trade_date.append(context.current_dt) g.trade_buy.append('na') g.trade_sell.append(stock) g.trade_price.append(sell_price) g.trade_profit.append(profit) log.info('股票 %s 已经4个交易日涨幅小于百分之3，卖出' % stock) else: close_data = attribute_history(stock,5,'1d',['close']) ma5=close_data['close'][-5:].mean() #5日均线 if context.portfolio.positions[stock].price< ma5: order_target(stock,0) if context.portfolio.positions[stock].total_amount == 0: g.trade_date.append(context.current_dt) g.trade_buy.append('na') g.trade_sell.append(stock) g.trade_price.append(sell_price) g.trade_profit.append(profit) log.info('股票 %s 股价低于5日均价，卖出' % stock) 以上就是一个含选股的简单策略，代码的运行效率不高，但是简单易懂，仅供对刚开始接触量化的初学者参考。千万别想着一个简单的策略就能躺着赚钱，那是不可能的，跑了一段时间的回测后才发现：找到能稳定赚钱的策略难如登天。量化路上道阻且长，以此共勉。