(supermind量化-)振幅大于1、周线macd在零轴之上、反包_

用户头像神盾局量子研究部
2023-08-21 发布

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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论

需要帮助?

试试AI小助手吧