问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上、企业性质为一定类型的股票。
选股逻辑分析
本选股策略主要从技术面和基本面入手，选取符合振幅大、MACD指标好且符合特定企业性质的股票作为投资标的，以期望达到具有较高回报潜力的、低风险的股票的效果。
有何风险？
选股逻辑增加了企业性质的判断条件，这虽然可以提高筛选股票的准确性，但同时也增加了选股策略的复杂性。此外，选取特定类型的股票也可能会造成选股范围过小，从而影响投资效果。此外，如果企业性质较为宽泛，可能也存在筛选出低质量企业的风险。
如何优化？
可以考虑对企业性质的判断条件进行优化，扩大筛选范围，同时结合其他基本面指标进一步评估选股标的的质量，避免因为选股范围小而影响投资效果。此外，可以引入更多的技术指标或者其他因素，例如经济周期、政策刺激等，以提高选股策略的准确性和全面性。
最终的选股逻辑
本选股策略将技术面指标和企业性质因素结合起来，选取符合振幅大、MACD指标好且符合特定企业性质的股票作为投资标的，同时结合其他基本面指标进行深度分析，以便更全面、准确地评估标的的投资价值和风险水平。
同花顺指标公式代码参考：
振幅大于1：
(HIGH - LOW) / PRE_CLOSE > 0.01
周线MACD在零轴之上：
(REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1)) AND (MACD(12,26,9) > 0)
企业性质为特定类型：
STR_CONTAIN(list, value)，其中list为特定类型企业列表，value为企业性质
python代码参考：
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
# 设定企业性质列表
property_list = ['金融', '医药']
# 查询股票数据，根据条件筛选股票
selected_stocks = []
stock_data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,price,industry') # 获取股票基本数据
for ts_code in stock_data['ts_code']:
# 获取股票数据
daily_data = pro.daily(ts_code=ts_code, start_date='20000101', end_date='20220731')
# 筛选符合条件的股票
if (daily_data.high - daily_data.low).mean() / daily_data.close.mean() > 0.01 and REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1) and STR_CONTAIN(property_list, stock_data['industry'][stock_data['ts_code']==ts_code].values[0]):
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股逻辑从技术面和基本面进行筛选，同时引入了企业性质的因素进行判断。企业性质因素具有一定的不确定性，因此在优化选股策略时，可以考虑引入更多的企业性质指标，例如市场占有率、盈利能力等指标，以更准确地评估标的的质量。同时，在引入更多指标的同时，选股策略的正确性和实时性也需要得到充分的保障。
## 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。
