在完成名額計算之後，我們就可以寫程式周遊所有股票資料，來篩選出滿足條件股票了。
在筆記（14）中，我們看到在幾組回測實驗中，選取5日線及60日線的金叉買入、死叉賣出政策，最終能擷取最高（僅限于幾組實驗資料）的資産。本文将嘗試選取出前一日5日線金叉60日線的股票。
實驗資料截止至2020年3月20日，即我們的政策要選取截止至2020年3月20日，最新的兩根K線出現5日線金叉60日線的股票，相關代碼為：
# 判斷金叉
def golden_crossover(df, fast, slow):
# K線數目不足，次新股
if df.shape[0] < slow:
return False
# 技術名額名稱
fast_indicator = 'ma_%d' % fast
slow_indicator = 'ma_%d' % slow
# 最後一日短期均線在長期均線上方，且倒數第二日短期均線在長期均線下方
return df[fast_indicator][df.index[0]] > df[slow_indicator][df.index[0]] \
and df[fast_indicator][df.index[1]] < df[slow_indicator][df.index[1]
如果股票資料滿足金叉條件，代碼傳回True，否則傳回False。代碼先判斷目前股票的K線是否能計算出長期均線的值，來排除一些次新股K線數目不足的幹擾。然後通過比較最後兩日短期均線和長期均線的關系來判斷是否金叉。
通過周遊股票資料，共篩選出滿足條件股票25隻：000150，000720，…，603633，603955。
我們來抽兩隻看下K線圖，觀察最後兩根K線及均線情況，白色均線為5日線，黃色均線為60日線。
000150：
603633：
可以看到，兩隻股票在3月20日均出現5日線與60日線的金叉，驗證了我們程式的正确性。
友情提示：本系列學習筆記隻做資料分析，記錄個人學習過程，不作為交易依據，盈虧自負。
政策篩股代碼：
from __future__ import (absolute_import, division, print_function,
unicode_literals)
import datetime # 用于datetime對象操作
import os.path # 用于管理路徑
import sys # 用于在argvTo[0]中找到腳本名稱
import pandas as pd
# 判斷金叉
def golden_crossover(df, fast, slow):
# K線數目不足，次新股
if df.shape[0] < slow:
return False
# 技術名額名稱
fast_indicator = 'ma_%d' % fast
slow_indicator = 'ma_%d' % slow
# 最後一日短期均線在長期均線上方，且倒數第二日短期均線在長期均線下方
return df[fast_indicator][df.index[0]] > df[slow_indicator][df.index[0]] \
and df[fast_indicator][df.index[1]] < df[slow_indicator][df.index[1]]
# 讀入股票代碼
stk_code_file = '../TQDat/TQDown2020v1/data/stock_code_update.csv'
stk_pools = pd.read_csv(stk_code_file, encoding = 'gbk')
out_df = pd.DataFrame(columns=['code'], dtype = str)
# 對每個股票進行判斷
for stk_code in stk_pools['code']:
stk_code = '%06d' % stk_code
# 讀入資料
input_file = './tmp/' + stk_code + '.csv'
df = pd.read_csv(input_file, index_col = 0)
df = df.sort_index(ascending = False)
if golden_crossover(df, 5, 60):
out_df = out_df.append({'code': stk_code}, ignore_index = True)
print(stk_code)
out_df.to_csv('./output/stock_picking.csv')
為了便于互相交流學習，建立了微信群，感興趣的讀者請加微信。