问财量化选股策略逻辑
本选股策略选择振幅大于1，连续3天以上大单净量大于0.05，周线MACD在零轴之上的股票。
选股逻辑分析
本选股策略综合考虑了技术分析和基本面分析，振幅大于1意味着市场波动大，有较大的机会，连续3天以上的大单净量大于0.05的股票表明有大型资金进入，可能是机构资金或者大户运作，周线MACD在零轴之上则意味着股票整体上涨的可能性较大。综合这些指标后，得到最终的选股结果。
有何风险？
本选股策略的风险在于，周线MACD在零轴之上并不一定代表股票强势上涨，可能只是短暂的技术拉升，没有真正的基本面支撑。此外，市场波动不可避免，股票价格有可能出现超出预期的波动。
如何优化？
可以通过增加选股条件，加强对于股票涨跌的判断，提高选股的准确度和稳定性。同时，可以通过深入分析基本面数据，关注公司财报公布时间，控制持仓周期和风险，提高选股的质量和效果。
最终的选股逻辑
本选股策略的筛选逻辑为：振幅大于1，连续3天以上大单净量大于0.05，周线MACD在零轴之上的股票。
同花顺指标公式代码参考
(C - MA(C,26)) - (EMA(C,12) - EMA(C,26)) > 0 AND (C - MA(C,26)) - (EMA(C,12) - EMA(C,26)) > REF((C - MA(C,26)) - (EMA(C,12) - EMA(C,26)),1) AND REF((C - MA(C,26)) - (EMA(C,12) - EMA(C,26)),2) <= 0 AND SUM(NETVOLUME,3)>0.05*SUM(VOL,3) AND (MAX(HIGH,13)-MIN(LOW,13))/MA(C,13)>0.01
Python代码参考
import pandas as pd
# 读取股票数据
df = pd.read_csv('stock_data.csv')
# 筛选条件1：振幅大于1
df['A'] = df.apply(lambda row: max(row['HIGH'] - row['LOW'], abs(row['HIGH'] - row['PREV_CLOSE']), abs(row['LOW'] - row['PREV_CLOSE'])), axis=1)
df = df[(abs(df['HIGH'] - df['PREV_CLOSE']) > df['A']) & (abs(df['LOW'] - df['PREV_CLOSE']) > df['A'])]
# 筛选条件2：连续3天以上大单净量大于0.05
df['VOL_NVI'] = (df['NET_VOLUME'] / df['VOLUME']).rolling(3).sum()
df = df[df['VOL_NVI'] > 0.05]
# 筛选条件3：周线MACD在零轴之上
df['MACD'] = df['CLOSE'].ewm(span=12).mean() - df['CLOSE'].ewm(span=26).mean()
df['MACD_SIGNAL'] = df['MACD'].ewm(span=9).mean()
df = df[(df['MACD'] - df['MACD_SIGNAL']) > 0]
# 加入更多的过滤条件
df = df[df['EPS'] > 0]
df = df[df['ROE'] > 10]
# 输出选股数据
print(df)
## 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。
