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在零轴之上和换手率3%-12%的股票作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略将振幅、周线MACD和换手率作为选股的因素。振幅大于1意味着股票有较大的波动性，同时周线MACD在零轴之上预示着股票有一定的上涨势头。换手率3%-12%相对稳定，可以避免流通性差的股票，更好地控制风险。
有何风险？
本选股策略的换手率标准偏窄，可能会出现缺乏流动性的股票而带来的风险，同时标准也可能过于宽泛而忽略了流通性的重要性。此外，选股策略中仅包含技术面因素，缺少基本面的考虑，可能会忽视企业的实力。
如何优化？
建议结合企业的基本面指标对筛选出的股票进行评估，同时应关注市场资金面的流向，避免流动性不足的市场环境。同时，在技术面的基础上，可以引入其他形态分析指标，较为充分地考虑市场趋势。
最终的选股逻辑
本选股策略的选股条件为振幅大于1、周线MACD在零轴之上和换手率3%-12%的股票，综合考虑了股票的技术面和流通性的因素。选中该类型股票和进行更多的基本面和资金流向分析后，将更加稳健。
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)
换手率3%-12%：
(TURNOVER_RATE >= 0.03) AND (TURNOVER_RATE <= 0.12)
python代码参考
# 引入Tushare库和TA-Lib库
import tushare as ts
import talib
# 连接Tushare库
pro = ts.pro_api()
# 查询所有股票的数据
all_data = pro.stock_basic()
# 根据选股条件进行筛选
selected_stocks = []
for ts_code in all_data["ts_code"]:
# 获取股票数据
weekly_data = pro.weekly(ts_code=ts_code, start_date='20220101', end_date='20220228')
if ts_code.startswith(("00", "30")) and \
(weekly_data.high - weekly_data.low).mean() / weekly_data.close.mean() > 0.01:
macd, macd_signal, _ = talib.MACD(weekly_data.close, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] > 0 and macd[-2] < 0 and 0.03 <= weekly_data.turnover_rate.mean() <= 0.12:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股策略通过Tushare库获取股票数据并进行筛选，使用TA-Lib库的函数进行选股筛选条件的计算。在选股策略的后续优化中，建议加入更多因素和补充指标，在技术面的基础上充分考虑公司基本面和行业趋势。同时，考虑到流动性的重要性，建议加入更多的流动性因素。
## 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。
