问财量化选股策略逻辑
本选股策略选取振幅大于1、昨日非涨停板、周线MACD在零轴之上的股票作为投资标的。
选股逻辑分析
选取振幅大于1、昨日非涨停板的股票，筛选出基本具有成长性或均衡性的标的。再根据周线MACD在零轴之上，需要MACD绿线上穿红线、绿岛红柱的状况，来进一步判断股票的走势趋势，有较高的参考性。同时，该策略对股票价格波动作出了影响，增加了选股的稳定性。
有何风险？
该选股策略也忽略了内部因素如公司业绩、财务数据和行业前景等的影响，选中的标的同样也可能不具备长期投资价值。同时，该策略也无法保证价格波动的稳定性和市场异常交易的免疫能力，投资风险较高。
如何优化？
本选股策略可结合公司基本面、财务数据和行业前景等内部因素，综合考虑选股。同时，也应该适当调整选股条件，如控制价格波动幅度、提高周线MACD的准确性等，形成更为完整的投资策略。
最终的选股逻辑
本选股策略综合考虑了价格波动和MACD等因素，选取振幅大于1、昨日非涨停板、周线MACD在零轴之上的股票作为投资标的。同时，需结合公司基本面、财务数据和行业前景等影响因素，选出表现优异且长期投资价值的标的，较为合理地控制投资风险。
同花顺指标公式代码参考
- 振幅：(HIGH-LOW)/REF(CLOSE,1)
- MACD绿线、红线、柱：EMA(CLOSE, 12), EMA(CLOSE, 26), DIF, DEA, MACD
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
# 振幅大于1、昨日非涨停板、周线MACD在零轴之上
quote = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, market, list_date')
for ts_code in quote["ts_code"]:
tech_data = pro.weekly(ts_code=ts_code)
if len(tech_data) >= 2 and tech_data.iloc[-1]["close"] > tech_data.iloc[-1]["open"] \
and tech_data.iloc[-2]["close"] > tech_data.iloc[-2]["open"] \
and tech_data.iloc[-1]["macd"] > 0 and tech_data.iloc[-1]["macdh"] > 0:
selected_stocks.append(ts_code)
return selected_stocks[:n]
## 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。
