问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MA5金叉MA10以及周线macd在零轴之上的股票。通过技术面指标来筛选具备较好走势且相对稳定的股票。
选股逻辑分析
本选股策略主要考虑了技术面的指标，振幅大于1可以筛选出波动性较大的股票，周线MA5金叉MA10则可以筛选出较为稳定的趋势，同时周线macd在零轴之上也可以反映出股票的相对强势。本选股逻辑主要从技术面入手，可以筛选出具备较好走势且相对稳定的股票。
有何风险？
该选股策略过于注重技术面的指标，难以充分考虑到市场基本面和资金面的因素。同时，该选股策略的过度信赖技术面指标可能会过分依赖历史走势，对未来的预测性和鲁棒性存在不确定性。
如何优化？
可以加入更多基本面和资金面的因素，比如财务指标、股东背景、业务情况，这些因素也可以影响股价的走势。同时，可以适度调整选股指标权重，灵活应对市场状况和股票特征。在实际使用中，也可以结合个人理解和市场情况进行适当的调整和筛选。
最终的选股逻辑
本选股逻辑的选股策略是振幅大于1、周线MA5金叉MA10以及周线macd在零轴之上的股票。在实际操作中，可以结合市场情况和自己的实际需求对选股逻辑进行调整和优化。
同花顺指标公式代码参考
- 振幅公式：
- Amplitude = (HIGH - LOW) / PRE_CLOSE
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- MACD公式：
- MACD(DIF, DEA, N) = 2 * (EMA(CLOSE, fast=N) - EMA(CLOSE, slow=N))
- DIF = EMA(CLOSE, fast=12) - EMA(CLOSE, slow=26)
- DEA = EMA(DIF, N)
- 满足条件公式：
- condition = (amplitude > 0.01) & (ma5 > ma10) & (macd > 0)
python代码参考
import tushare as ts
import datetime
PRO = ts.pro_api('your_token')
def select_stocks(n):
selected_stocks = []
for code in PRO.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,market,circ_mv,total_mv,pe,pb,area,list_date')['ts_code']:
if code.startswith('300') or code.startswith('688'):
continue
df = PRO.weekly(ts_code=code, start_date='20180101', end_date=datetime.datetime.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol')
if len(df) == 0:
continue
amplitude = (df['high'] - df['low']) / df['close'].shift(1)
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
dif = df['close'].ewm(span=12).mean() - df['close'].ewm(span=26).mean()
macd = dif.ewm(span=9).mean()
if amplitude[-1] > 0.01 and ma5[-1] > ma10[-1] and macd[-1] > 0:
selected_stocks.append(code)
return selected_stocks[:n]
## 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。
