知识库

这篇中文文章介绍一种股票筛选方法，结合低于 65 的 14 周期 RSI、连续三个下跌交易日，以及大单净成交量的较高相对排名。其公式将净成交量定义为大额买入成交量减去大额卖出成交量，再选取横截面排名靠前的股票。其意图是将动量或价格形态条件与大单资金流指标结合起来。…

这篇文章提出一种筛选中国元宇宙相关股票的方法：按当日开盘集合竞价金额排名，选取前五名，再保留前一日收盘价高于 250 日均线的股票。长期均线旨在过滤整体趋势，竞价活跃度则用于识别受到关注的股票。文章包含平台公式和 Python 示例，但两者均未提供回测结果或预测能力证据。 作者提醒，该方法很大程度上依赖技术指标和市场活跃度信号，250 日均线可能无法反映完整的长期趋势，而且该筛选条件可能不适合短线交易者。文章建议结合基本面与技术指标、适应不同市场状态，并加入其他信息筛选条件。Python…

这篇文章介绍一种选股方法，筛选换手率介于 3% 和 12% 之间、上市年份为 2021，且满足被称为大幅上升趋势起点的条件的股票。其指标参考通过均线关系和介于 60 至 80 之间的类 RSI 指标来具体定义趋势条件。文章没有提供样本、收益序列或回测，因此呈现的是规则说明，而非该筛选方法有效的证据。…

这篇中文文章介绍一种股票筛选规则，结合 3%–12% 的换手率区间、为正且低于 35% 的十日涨幅，以及涉及价格变化与超大单净成交量乘积的阈值条件。文章将该规则作为寻找交易活跃且价格走势较强股票的方法。文中引用了技术公式并提供 Python 示例，但示例中的成交量和价格变化筛选条件并未直接实现所述的超大单净流量条件。…

这篇文章提出一种股票筛选方法，条件包括换手率介于 3% 和 12% 之间、连续三个交易日收盘价下跌，以及开盘集合竞价期间由主要参与者贡献的净买入为正。该组合兼顾流动性或交易活跃度筛选、近期价格走弱和订单流信号。作者将其作为一种寻找近期下跌但仍有明显交易关注度股票的方法。 文章提供了公式和类似 Python…

这篇中文文章介绍了一种股票筛选方法，结合四项条件：价格振幅高于 1、出现在前一日交易活跃度榜单、属于机器人概念板块，以及流通市值低于 10 亿元。文章将其作为寻找波动相对较大、交易活跃且规模较小的成长主题公司的方法。文中用公式和 Python 示例说明如何将这些条件组合为筛选规则。…

这篇中文文章提出一套股票筛选规则：RSI 低于 65，流通市值介于 5 亿至 10 亿元，评分则根据价格变化乘以超大单净额活动计算。文章将 RSI 描述为短期超买或超卖指标，并将订单流指标作为观察市场活动的补充视角。文中提供公式和 Python 示例，以说明如何筛选候选股票并排序。…

该筛选寻找日振幅高于1、所述最大跌幅介于4%和5%之间且当日收益为正的股票。它将振幅和跌幅视为价格变动的衡量指标，并试图通过正的日收益识别大幅下跌后反弹的股票。文章提供了指标和Python逻辑示例，但没有历史测试、绩效结果或支持数据。 该方法依赖单日价格表现，可能追逐短期强势或热门股票，而不考虑长期价值。筛选条件也显然存在矛盾：如果跌幅和正收益指的是同一个收益指标，日收益为正就不可能同时介于负4%和负5%之间。文章建议考虑大盘走势、基本面、仓位规模和退出控制，但没有具体说明或评估这些补充条件。

该筛选将日振幅至少为1、最近五年每年净资产收益率均高于15%，以及连续三天下跌作为条件。它将历史盈利能力筛选与短期价格形态结合起来。文章提供了指标和Python示例，但没有提供回测、结果或证明这一组合能改善回报的证据。 文中说明了若干注意事项，包括依赖过去的表现、可能因未能及时应对变化而反应过迟，以及未考虑经济或政治影响。文章建议考虑成交量、市值、其他技术指标和仓位控制。示例对ROE时间范围的表达也不一致，因此使用前应核实实现细节；该筛选本身没有规定入场、退出或投资组合规则。

该选股方法筛选换手率介于3%和12%之间、代码以60开头且日振幅至少为1的股票。文中将换手率作为流动性筛选条件，并以振幅筛选波动较大的候选股。文章提供了筛选方法的示例实现，但没有报告回测、绩效数据或证明这些条件能够预测回报的证据。 该筛选存在局限：代码前缀代表交易所标识，并非估值信号；换手率和振幅也不足以体现公司质量或更广泛的市场状况。文章指出，在市场整体大幅波动时，波动率筛选可能选出不合适的股票。文中建议增加估值、规模和增长指标，并筛除特别处理或退市风险。这些都是建议，尚未经过测试。

这篇中文帖子介绍了一种元宇宙行业公司的股票筛选方法。筛选条件包括量比高于1.5且低于6、至少五条均线重合，以及市值低于50亿元。帖子将量比视为当前交易活跃度的衡量指标，并将均线汇聚视为价格稳定的信号。 帖子提供了示例筛选逻辑和Python风格代码，但实现似乎存在不一致：文字要求均线重合，而代码检查的是五条均线是否都高于收盘价。帖子没有提供回测、绩效统计或能证明预测能力的比较结果。文章也承认该筛选忽略了其他价格驱动因素和公司基本面，并建议增加指标或基本面因素。机器学习优化只是一个建议，并非经过评估的方法。