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、未清偿可转债简称不可为空的股票作为投资标的。
选股逻辑分析
本选股策略既考虑了技术面的因素，又加入了对可转债清偿情况的考虑。对于市场响应情况更加敏感的股票进行更细致的筛选，选择市场表现更稳定的股票进行投资。
有何风险？
此选股策略仅以振幅、周线MACD、可转债清偿情况为依据，对于市场变化或其它非技术因素缺乏考虑，从而可能带来较大波动或收益下降的风险。同时，需要考虑股票市场整体情况与技术面指标之间的关系，从而更准确的判断行情。
如何优化？
除考虑技术因素外，还可以将基本面等非技术因素也纳入考虑范畴，以更全面的信息得到更准确的筛选结果。可以综合考虑其它监管因素打造更完善的选股策略，增加选股的准确度。
最终的选股逻辑
本选股策略基于技术面因素的分析，同样加入了基本面因素的考虑，以及可转债的清偿状况作为参考，选取市场表现稳定、市场响应情况较好的股票。需要综合考虑股票市场整体情况与技术面指标之间的关系，以提高选股的准确度。
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)
未清偿可转债简称不可为空：
CONVERT <>''
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 = []
stock_data = ts.get_stock_basics()
for code in stock_data.index:
# 获取可转债数据
convert_data = ts.get_convertible_bonds(code)
# 判断可转债简称不为空
if convert_data is not None and convert_data.simple_name.notnull().values.any():
# 获取股票数据
daily_data = ts.get_hist_data(code)
# 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
convert_data.simple_name.notnull().values.any()):
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略相对前一策略加入可转债因素，可以更准确地体现股票强弱，对于市场响应情况更平稳的股票进行投资。但选股要充分考虑整体市场情况，从而选择更有潜力的个股进行投资。
## 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。
