讲师中心 微信公众号
AI工具推荐 视频效率加速

股票量化分析PRO-双趋势共振量化选股系统GMMA+一目均衡图+ADX+流动性过滤

Polar Sponsor
爱发电 赞助
.NET 9.0

双趋势共振量化选股系统,基于GMMA+一目均衡图+ADX+流动性过滤,输出S/A/B/C四级信号与动态止损。支持通达信本地数据和CSV数据扫描。当用户需要量化选股、趋势分析、双趋势共振扫描、股票筛选时调用此技能。

双趋势共振量化选股系统

功能概述

双趋势共振量化选股系统是一项面向实际任务的技能,主要用于基于GMMA+一目均衡图+ADX+流动性过滤的三层架构量化选股系统,支持QClaw智能体调用;✅ GMMA顾比均线多头排列检测;

核心要点

  • ✅ 一目均衡图云层分析(9-26-52标准参数);
  • ✅ ADX趋势强度过滤(无TA-Lib依赖);
  • ✅ 流动性前置过滤(默认1亿门槛);

使用与执行

✅ S/A/B/C四级信号评级;✅ 动态止损位计算;✅ 通达信本地数据扫描;✅ CSV数据扫描;✅ 批量分。

结果检查与注意事项

它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。

双趋势共振量化选股系统

基于GMMA+一目均衡图+ADX+流动性过滤的三层架构量化选股系统,支持QClaw智能体调用。

功能特性

  • ✅ GMMA顾比均线多头排列检测
  • ✅ 一目均衡图云层分析(9-26-52标准参数)
  • ✅ ADX趋势强度过滤(无TA-Lib依赖)
  • ✅ 流动性前置过滤(默认1亿门槛)
  • ✅ S/A/B/C四级信号评级
  • ✅ 动态止损位计算
  • ✅ 通达信本地数据扫描
  • ✅ CSV数据扫描
  • ✅ 批量分析支持
  • ✅ 自动过滤科创板和北交所

系统架构

核心逻辑:流动性(>1亿) → ADX(>20) → 技术形态(GMMA+Ichimoku) 输出:S/A/B/C四级信号 + 动态止损位 数据要求:60日+前复权K线(OHLCV+Amount)

API接口

分析单只股票

调用方式:

result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "analyze",
    "code": "600519"
})

返回数据格式:

{
    "success": true,
    "data": {
        "code": "600519",
        "name": "贵州茅台",
        "signal": "A级",
        "desc": "🟢 推荐",
        "score": 80,
        "position": "10%",
        "stop_loss": 1680.50,
        "risk_pct": 3.25,
        "close": 1736.80,
        "adx": 32.5,
        "gmma_disp": "3.25%",
        "above_cloud": true,
        "tk_bull": true,
        "details": [
            "GMMA多头排列+30",
            "GMMA离散度3.25%>2%+10",
            "价格在云层上方+20",
            "转换线>基准线+15",
            "ADX=32.5 30-40中趋势+15"
        ],
        "date": "2026-04-11"
    },
    "count": 1,
    "message": "分析完成: 600519 A级"
}

批量分析多只股票

调用方式:

result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "batch_analyze",
    "codes": ["600519", "000858", "601318", "600036"]
})

返回数据格式:

{
    "success": true,
    "data": [
        {"code": "600519", "signal": "A级", "score": 80, ...},
        {"code":000858", "signal": "B级", "score": 65, ...}
    ],
    "count": 2,
    "message": "批量分析完成,共 4 只股票"
}

扫描通达信本地数据

调用方式:

result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "scan_tdx",
    "tdx_path": "D:\new_tdx",
    "max_count": 0
})

返回数据格式:

{
    "success": true,
    "data": [...],
    "report": "完整文本报告",
    "count": 500,
    "scanned": 4500,
    "valid": 4200,
    "message": "扫描完成: 扫描4500只, 有效4200只"
}

扫描CSV数据目录

调用方式:

result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "scan_csv",
    "data_dir": "C:\data\stocks"
})

测试模式

调用方式:

result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "test"
})

评分与分级系统

评分规则(满分100)

条件 分值 说明
GMMA多头排列 +30 短期组>长期组
GMMA离散度>2% +10 确保发散非粘合
云层上方 +20 价格>云层上轨
转换>基准 +15 多头动能
TK金叉 +5 当日金叉触发
云层厚度>3% +5 支撑强度
ADX>40 +20 强趋势
ADX 30-40 +15 中趋势
ADX 20-30 +10 弱趋势
成交额>10亿 +5 流动性溢价

四级信号

  • S级(90+分):🔥 强烈推荐,仓位20%,立即买入
  • A级(75-89分):🟢 推荐,仓位10%,择机买入
  • B级(60-74分):🟡 观察,仓位5%,等待确认
  • C级(<60分):❌ 放弃,仓位0%

止损位计算

stop_loss = max(cloud_bottom, ema_60)  # 云层下轨与60EMA取高者
risk_pct = (close - stop_loss) / close * 100

算法详解

流动性过滤(前置硬性)

turnover_ma20 = df['amount'].rolling(20).mean()
if turnover_ma20 < 100_000_000:  # 1亿门槛
    return {"signal": "REJECT", "reason": "流动性不足"}

ADX趋势强度(无TA-Lib实现)

tr = pd.concat([high-low, abs(high-close.shift(1)), abs(low-close.shift(1))], axis=1).max(axis=1)
atr = tr.ewm(alpha=1/14).mean()
plus_di = 100 * (plus_dm.ewm(alpha=1/14).mean() / atr)
minus_di = 100 * (minus_dm.ewm(alpha=1/14).mean() / atr)
dx = 100 * abs(plus_di - minus_di) / (plus_di + minus_di)
adx = dx.ewm(alpha=1/14).mean()

GMMA顾比均线

short_terms = [3, 5, 8, 10, 12, 15]
long_terms = [30, 35, 40, 45, 50, 60]
gmma_bullish = (ema_15 > ema_30) & (short_avg > long_avg)

一目均衡图(9-26-52标准参数)

tenkan = (high.rolling(9).max() + low.rolling(9).min()) / 2
kijun = (high.rolling(26).max() + low.rolling(26).min()) / 2
senkou_a = ((tenkan + kijun) / 2).shift(26)
senkou_b = ((high.rolling(52).max() + low.rolling(52).min()) / 2).shift(26)
above_cloud = close > max(senkou_a, senkou_b)

数据格式要求

通达信本地数据

  • 自动扫描 vipdoc/sh/lday 和 vipdoc/sz/lday 目录
  • 支持 .day 二进制格式
  • 自动过滤科创板(688)和北交所(8开头)

CSV数据

  • 文件名格式:{股票代码}.csv(如 600519.csv)
  • 支持的列名:date/日期, open/开盘, high/最高, low/最低, close/收盘, volume/成交量, amount/成交额

使用示例

QClaw智能体调用示例

# 示例1:分析单只股票
result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "analyze",
    "code": "600519"
})
if result["success"]:
    stock = result["data"]
    print(f"{stock['name']}: {stock['signal']} {stock['desc']}, 评分{stock['score']}")

# 示例2:批量分析
result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "batch_analyze",
    "codes": ["600519", "000858", "601318"]
})
if result["success"]:
    for stock in result["data"]:
        if stock.get("score", 0) >= 60:
            print(f"{stock['code']} {stock['name']}: {stock['signal']} 评分{stock['score']}")

# 示例3:通达信全市场扫描
result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "scan_tdx",
    "tdx_path": "D:\new_tdx"
})
if result["success"]:
    print(result["report"])

# 示例4:自定义参数分析
result = call_skill("stock-lianghuafenxi-tdx", {
    "action": "analyze",
    "code": "600519",
    "tdx_path": "D:\new_tdx",
    "liquidity": 500000000,
    "adx_threshold": 25
})

注意事项

  1. 数据来源:优先使用通达信本地数据,其次CSV数据
  2. 数据时效:通达信数据需要先在通达信软件中下载日线数据
  3. 流动性门槛:默认1亿,可通过 liquidity 参数调整
  4. ADX门槛:默认20,可通过 adx_threshold 参数调整
  5. 数据要求:至少60个交易日数据才能产生有效信号
  6. 风险提示:本系统仅供量化分析参考,不构成投资建议
目录

热门AI工具

更多
立刻MV
立刻MV Hot

立刻MV是一款AI文本写作工具,AI 音乐视频(MV)创作工具。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

AionClaw
AionClaw Hot

AionClaw是一款面向办公、创作和编程任务的AI桌面智能体。

PixPix
PixPix Hot

PixPix是一款面向电商视觉生产的AI商品图生成工具。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

创客贴AI

创客贴AI是一款AI图像与设计工具,AI辅助的智能在线设计工具。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

蛙蛙写作

一款AI论文写作工具,主要用于超级AI智能写作助手,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

相关专题

更多
Vite 项目如何打包和部署
Vite 项目如何打包和部署

Vite项目打包部署专题汇集生产构建、产物预览、输出目录、资源路径、Nginx与GitHub Pages部署及常见白屏和路由404问题的已审核文章,帮助读者完成上线流程。

0

2026.10.28

Vite 如何搭配 Vue.js
Vite 如何搭配 Vue.js

Vite搭配Vue.js专题汇集创建Vue 3项目、配置开发环境、路径别名、Vue插件、代理、多环境构建与调试的已审核文章,帮助读者完成从初始化到日常开发的配置。

0

2026.10.28

Vite 项目目录怎么看
Vite 项目目录怎么看

Vite项目目录专题汇集入口文件、src源码、public静态资源、路径别名、项目根目录和构建输出目录相关的已审核文章,帮助读者理解各文件夹的用途与引用方式。

0

2026.10.28

Gradle插件开发入门教程
Gradle插件开发入门教程

本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。

0

2026.10.22

Gradle Wrapper配置教程
Gradle Wrapper配置教程

本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。

0

2026.10.22

Golangci-lint检查器使用教程
Golangci-lint检查器使用教程

本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。

0

2026.10.22

Gradle怎么构建Java项目
Gradle怎么构建Java项目

本专题介绍Gradle Java项目构建方法,涵盖Java插件配置、依赖声明、源码编译、测试执行和打包检查,帮助你理解各阶段的任务关系,逐步完成项目构建。

0

2026.10.22

PHP时间戳漏洞修复教程
PHP时间戳漏洞修复教程

本专题汇总PHP常见时间戳漏洞,包括2038年溢出、时区漂移、时间戳伪造、重放攻击、时间盲注与日志审计失效等,并给出升级64位环境、使用 DateTimeImmutable、统一UTC、严格超时校验、预处理绑定、hash_equals 比对等修复方案,帮助开发者快速排查和加固时间相关代码。

0

2026.10.22

Golangci-lint配置文件与规则设置
Golangci-lint配置文件与规则设置

本专题聚焦Golangci-lint YAML配置文件,讲清运行参数、规则启停、目录排除、问题过滤及严重级别设置,便于团队统一检查标准。

0

2026.10.22

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn