问财量化选股策略逻辑
本选股策略选择振幅大于1、昨日成交额大于6千万、周线MACD在零轴之上的股票为基本条件。
选股逻辑分析
该选股策略将技术指标和基本面进行相结合，通过考察振幅、成交量和MACD指标，筛选出波动较大、交投活跃的具有较好趋势的股票。
有何风险？
该选股逻辑仍带有一定的主观判断，MACD指标有可能会出现误判，同时忽略了公司的基本面因素。
如何优化？
可以增加基本面的筛选条件，如股票的财务指标、行业排名、公司管理水平等等。同时，可以对MACD指标进行优化改进。可以通过机器学习等算法模型进行验证和判断，提高选股的准确性。
最终的选股逻辑
本选股策略的最终逻辑为：振幅大于1、昨日成交额大于6千万、周线MACD在零轴之上的股票为选取对象。
同花顺指标公式代码参考
//计算振幅
(HIGH-LOW)/OPEN
//计算昨日成交额
REF(VOL,1)
//计算MACD指标，使用默认参数（12日移动平均和26日移动平均的差异，9日的移动平均值）
MACD(MACD_12_26_9_DIF, MACD_12_26_9_DEA, MACD_12_26_9)
python代码参考
import tushare as ts
import talib
# 读取股票数据
data = ts.get_stock_basics()
# 筛选条件1：振幅大于1
now_data = ts.get_today_all()
amplitude = (now_data['high'] - now_data['low']) / now_data['open']
amplitude_bool = amplitude > 0.01
# 筛选条件2：昨日成交额大于6千万
last_day_vol_bool = now_data['volume'] > 60000000
# 筛选条件3：周线MACD在零轴之上
weekly_data = ts.get_k_data('000001', ktype='W') # 假设筛选股票代码是"000001"
macd_dif, macd_dea, macd = talib.MACD(weekly_data['close'].values)
macd_bool = macd[len(macd)-1] > 0
# 合并条件
result = amplitude_bool & last_day_vol_bool & macd_bool & data_result
# 输出结果
print(result)
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
