matlab选股模型,三大选股策略

　　1：请问高手这是什么选股模型，具体些。公式或源代码是什么高分多谢。重谢100财富

　　没什么源代码。属于追高的一种。国外的统计数据是创新高的股票未来三个月再创新高的概率是65%。
形态上，放量突破前期高点。将前面的套牢盘全部吃掉。之后回踩前期高点平台。然后迎来新一波主升浪。当然有题材的配合会更好，没有也可以。
但是这中选股方式要考虑大盘。大盘不好的时候不可取。同时要考虑股本和股价。股价太高上升的空间自然就小。股本越大越不容易拉升。
有个例子，今年的美欣达。失败例子，新海股份。
朋友，你找到你想要的东西了。

　　2：选股策略回测用 Matlab 好还是用 Python 好

　　首先十年的日级别数据量的确不大，使用Python来说的话不应该出现memoryerror，应该是在编程方面需要再多留意，我们在Ricequant上使用的分钟数据大概是200-300个GB左右，也是Python和Java共同合作完成的。
语言只是一个语言，兴许会有各种语法的不同，但是在谈语言的时候我们需要了解背后的工具箱和社区，以及它为什么处理一些事情比另外的一些语言要好。
本
身Python初期用来做金融回测等是应该被放弃的，用来开发策略也应该是被放弃的，因为相比matlab的矩阵运算来做开发，实在是太方便了。只不过后
来Python推出了series、pandas等一系列的强悍library，pandas的语法基本在“无耻”地模仿matlab和R，而
pandas的开发者正是美国大名鼎鼎的对冲AR，因此使data
crunching和对数据的一些操作大大便利，此外，又包装了海量的开源社区的数学和科学计算库，也能处理各种的machin
learning等等的问题。
从科学计算的语言的发展来看，从最初的人们对浮点数计算的需求加入了fortran，再一路进行，让工具更加的让科学计算容易再容易（Python也封装了大量早期的数学家们用fortran写的数学计算基础库，这些经历了几十年的考验、加速等等）：
我们来看下python目前的科学技术栈：
numpy: basic array manipulation - 基础的数组处理
scipy: scientific computing in python, including signal processing and optimization - 科学计算，包括信号处理和优化等
matplotlib: visualization and plotting - 几行代码就可以做图形化显示了
IPython: write and run python code interactively in a shell or a notebook - 互动式编程环境，这是能将来替代掉matlab的一个必备，即在一行一行代码的输入、显示过程中学习、改进
pandas: data manipulation - 最重要的矩阵运算等
scikit-learn: machine learning - 机器学习
但
是随着以后的发展Python的开源属性就会体现的越来越强大，可以让更多的人享受到其便利和贡献进来，包括uantopian也放出了zipline
的python回测框架，只需要引入yahoo数据即可进行回测，并且Python的速度由于跟C的很好的结合可以达到非常快的速度，而且可以将来和其他
系统很容易整合对接实盘交易接口。
由于欧美已经有很多的投行和对冲在往Python的技术栈靠拢，因此选择了Python即掌握了一门重要的工具，并且无需跟一家私有化公司进行捆绑。
当然，最后的最后，所有的python回测你都可以来Ricequant - Beta上完成，我们支持海量的市场、财务数据，还有不断加入的和大数据公司合作的舆情数据等等，同时策略回测完还可以做实时模拟交易，享受到实时数据的计算。在云平台上已经支持了几乎所有的Python科学计算库，无需花时间安装、测试等等。

　　3：不懂计算机的人如何构建多因子选股模型

　　多因子选股模型的前提是有完善的量化交易数据，有了量化才能够从中提取规律找到目标因子，最后才是建立模型。对于新人来说这一过程非常复杂，为了简化，题主可以试试策略炒股通这款App，它已经为用户建立了量化模型，而且策略因子也非常丰富，我最近在用效果不赖。

　　4：数学建模 找出一种有效的选股模式与投资策略

　　统计去。其实是个概率问题，只是将其科学化了。在股市上根本没有。

　　5：选股指标有哪些

　　强弱指标，随机指标较常用

　　6：如何将技术指标修改成选股公式通达信

　　选择软件的功能一>选股器就可以条件选股了。