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、反包的股票。
选股逻辑分析
本选股策略选取振幅大于1、周线MACD在零轴之上的股票。同时,考虑了反包这一技术指标,反包是一种短期价格变动的趋势形态,反映短期市场人气向上或向下的转变。通过反包技术指标的加入,可以进一步把握市场的短期波动和趋势变化。
有何风险?
本选股策略仅考虑了技术面因素,没有考虑股票的基本面,存在挑选出估值不合理或盈利情况不佳的股票的可能。同时,反包指标的使用需要考虑市场情况,不同市场情况下反包的有效性可能不同。因此,该选股策略的有效性可能会受到市场行情的影响。
如何优化?
应该加入基本面因素,筛选符合估值优秀和盈利情况较好的股票。同时,应该综合考虑市场情况和概念板块等因素,选择合适的股票。此外,应该注意选股策略的适用性,避免在市场行情不适宜的时期使用反包指标,导致投资效益下降。
最终的选股逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上、反包的股票,并加入基本面因素和市场情况等因素进行筛选。此外,应该注意选股策略的适用性,选择合适的时期使用反包指标,以提高选股策略的有效性。
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)
反包:
C > REF(TAHL(HIGH, LOW, CLOSE, N=4, M=4), 1)
python代码参考:
# 引入Tushare库
import tushare as ts
# 查询股票数据,根据条件筛选股票
selected_stocks = []
for code in ts.get_stock_basics().index:
# 获取股票数据
daily_data = ts.get_k_data(code)
if len(daily_data) < 5:
continue
# 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 \
daily_data['close'][0] > REF(TAHL(daily_data['high'], daily_data['low'], daily_data['close'], N=4, M=4), 1):
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略选取振幅大于1、周线MACD在零轴之上、反包的股票,并加入基本面因素和市场情况等因素进行筛选。
## 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。
