下載數資料深滬6000多家公司、擴充套件因子、測試選股規則後，按照規則進行選股的過程。

選股規則

本文就選股規則所測試規則相同，即：

• 2日前倍量暴漲9%以上。
• 隨後兩日縮量調整。
• 收盤價在20日線上方。
• 20、30、60、120、250日線多頭排列。
• 選股規則程式碼如下：

• 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]
  

  　　

  結果分析

  選出的所有滿足選股規則的股票，都會儲存在csv檔案中。
  本文釋出日期為2021年6月23日，當日只選出2只符合條件的股票，耗時880秒，csv檔案截圖如下。

• C:\Python38\python.exe F:/test/src/com/gzh/demo49.py
  sz002285
  sz300627
  程式所耗時間： 880.6239831447601
  

  　　

• 　通了基於歷史資料的規則驗證以及選股流程。這樣就可以先找到靠譜的規則，然後在每日盤後自動選出滿足規則的股票，再做交易。有歷史資料分析做支撐，至少不會成為韭菜裡最高的那一波。　

• 
  
  

  import datetime
  import time
  import sys
  import os
  import pandas as pd
  
  # 獲取當前目錄
  proj_path = os.path.dirname(os.path.abspath(sys.argv[0])) + '/../'
  
  if __name__ == '__main__':
      # 程式開始時的時間
      time_start = time.time()
      # 讀入股票程式碼
      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)
      # 程式結束時系統時間
      time_end = time.time()
      print('程式所耗時間：', time_end - time_start)