选股策略测试工具(选股策略与技巧)

大家好，上次讲到了如何从tushare读取交易数据并写入到mysql数据库，今天讲解两个案例，简单的条件选股以及对交易数据可视化。

若是多空两边的奋斗对比剧烈，就会使得上下影线变得对比长。这种具有较长上下影线的“十字星”被称为“长十字星”。

买在调整后，也可能继续被套一段时间，但是不用过于担心。炒股票这事情，不怕买贵，就怕买错。

今日股票大跌原因与今日股票买哪只

下面是瑞恩的书中他投资的一些股票的成本，这些股票就是根据他的“购买认识并与之互动”的公司的策略选择出来的。（注意：价格不是最新的）。

股票开户(600588)

100倍市盈率代表100年回本！

任何一支翻十倍的大牛股，股价都是从翻一倍、两倍开始的；反过来同样，任何一支跌到退市的大衰股，股价都是从腰斩、再腰斩开始的。

不同行业的公司股票在经济周期的不同阶段，其市场表现大不一样。有的公司对经济周期变动的影响极为敏感。经济繁荣时，公司业务发展很快，盈利也极为丰厚；反之，经济衰退时，其业绩也明显下降。另一类公司受经济繁荣或衰退的影响则不大，繁荣时期，其盈利不会大幅上升，衰退时期亦无明显减少，甚至还可能更好。因此，在经济繁荣时期，投资者最好选择前一类股票；而在经济不景气或衰退时，最好选择后一类股票。

1.“双针探底”选牛股(例：驰宏锌锗(600497))

2.“炮坑洗盘”选牛股(例：桂柳工A、海南航空(600221))

“炮坑洗盘”是拉升之前的洗盘，碰到它是很痛苦的一件事情!很多人很难忍受。如果我们忍受不了，第一次选择止损出局，是人之常情!但是，在其止跌之后， 再次突破的良机出现时，我们可以选择再度介入!对股票，我们不应该因为它第一次使我们止损亏钱就痛恨它!股票本身没有错，错的是我们难以控制自己人性!但 是，可以用纪律和技术来弥补人性的不足。

今天股票开盘吗与股票市场今天开盘吗

3.“尖底洗盘”选牛股(例：东方宝龙)

4.“尖头画图”选牛股(例：王府井(600859))

5.“仙人指路”选牛股(例：一汽夏利(000927)、G明珠)

6.“跳空缺口”选牛股(例：G中粮地)

7.“均线多头排列”选牛股(例：G中黄金、G中材)

图中①处，“均线多头排列”选股，中大阳K线是加速的信号，可以在第一根中大阳K线后的第1、2天的调整K线之中介入!均线多头排列，代表的是强烈的多头力量进攻，这是我们做股票梦寐以求的最强攻击状态。

图中①处，第一个涨停板，将该股带向了多头最强的攻击状态——均线多头排列，利用均线多头排列选股，可以让我们快速骑上短线飙升黑马股。目前很多软件都有这个选股功能，大家可以利用这个智能选股去挑选自己喜爱的个股。

如果一次亏损就造成本金损失10%--20%，几次交易下来，你的账户就报废了，你的心态也崩溃了，就没法在股市里混下去了。

►趋势行情，以走势生命线作为持有参照线，不要看指标的背离。特别是强势行情或主升浪，MACD等趋势型指标会反复的背离，KDJ等震荡型指标会在高位反复的钝化，这时以均线系统或上升趋势线为参考最为合适。

十字星的强度

图:“炮坑洗盘”选牛股之1

# ‘过去十五天量价相关系数’和‘之后20天收益’的秩相关系数计算 ic_data = pd.DataFrame(index=corr_data.index, columns=['IC','pValue']) # 计算相关系数 for dt in ic_data.index: tmp_corr = corr_data.ix[dt] tmp_ret = forward_20d_return_data.ix[dt] cor = pd.DataFrame(tmp_corr) ret = pd.DataFrame(tmp_ret) cor.columns = ['corr'] ret.columns = ['ret'] cor['ret'] = ret['ret'] cor = cor[~np.isnan(cor['corr'])][~np.isnan(cor['ret'])] if len(cor) < 5: continue # ic,p_value = st.pearsonr(q['Q'],q['ret']) # 计算相关系数 IC # ic,p_value = st.pearsonr(q['Q'].rank(),q['ret'].rank()) # 计算秩相关系数 RankIC ic, p_value = st.spearmanr(cor['corr'],cor['ret']) # 计算秩相关系数 RankIC ic_data['IC'][dt] = ic ic_data['pValue'][dt] = p_value # print len(ic_data['IC']), len(ic_data[ic_data.IC>0]), len(ic_data[ic_data.IC<0]) print 'mean of IC: ', ic_data['IC'].mean() print 'median of IC: ', ic_data['IC'].median() print 'the number of IC(all, plus, minus): ', (len(ic_data), len(ic_data[ic_data.IC>0]), len(ic_data[ic_data.IC<0]))