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，日线MACD值大于0的股票进行投资，旨在寻找具备较高涨势的潜力股。
选股逻辑分析
选股策略综合考虑了股票波动性、均线趋势以及股票的日线技术指标，能够在盈利和稳定性之间进行权衡。
有何风险？
此选股策略缺乏长期稳定的基本面分析，存在较大的市场风险和个股风险，同时，日线MACD值大于0的现象为短期的，随时会出现调整。
如何优化？
可结合基本面分析进行股票筛选和优化，同时可采用技术指标和基本面分析指标对股票进行进一步筛选，优化选股效果。
最终的选股逻辑
本选股策略选取振幅大于1，周线MA5金叉MA10，日线MACD值大于0的股票进行投资，并结合基本面分析和技术指标进行股票筛选和优化。
同花顺指标公式代码参考
- 均线公式：
- MA(N) = SUM(CLOSE, N) / N
- MACD公式：
- DIFF = EMA(CLOSE, SHORT) - EMA(CLOSE, LONG)
- DEA = EMA(DIFF, MID)
- MACD = (DIFF - DEA) * 2
Python代码参考
import tushare as ts
import pandas as pd
import talib
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry,market,area,pe,pb,circ_mv')['ts_code']:
df = pro.daily(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,open,high,low,close,vol,amount')
if (df.iloc[-1]['high'] - df.iloc[-1]['low']) / df.iloc[-1]['close'] > 0.01:
df_weekly = pro.weekly(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,open,high,low,close,vol,circ_mv,total_mv')
ma_list = [df_weekly['close'].rolling(n).mean().iloc[-1] for n in range(5, 11)]
if df_weekly.iloc[-1]['close'] > ma_list[-1] and ma_list.count(ma_list[-1]) >= 5:
df_daily = pro.daily(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,open,high,low,close,vol,amount')
macd, signal, hist = talib.MACD(df_daily['close'].values)
if 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。
