问财量化选股策略逻辑
本选股策略选取振幅大于1,昨日换手率*(今日竞价成交量/昨日成交量)在0.5到2之间,同时MACD指标零轴以上的股票,为投资目标。通过对股票价格和成交量的筛选,选择具有投资价值的股票。
选股逻辑分析
本选股策略结合了振幅、换手率、成交量和MACD指标等技术指标,旨在找到具有中长期价格增长空间的个股。
有何风险?
本选股策略只考虑了股价技术指标,并未考虑公司基本面的分析,忽略了企业盈利能力、财务健康状况等重要因素。此外,股市波动性较大,存在较大的投资风险。
如何优化?
本选股策略可以结合基本面指标进行优化,如盈利能力、成长性、估值水平等指标的分析,加强风险控制,提高选股结果的稳定性和收益率。
最终的选股逻辑
本选股策略选取振幅大于1,昨日换手率*(今日竞价成交量/昨日成交量)在0.5到2之间,同时MACD指标零轴以上的股票作为投资目标,结合基本面和风险控制进行优化,提高选股结果的可靠性和收益率。
同花顺指标公式代码参考
- MACD指标:EMA12:=EMA(CLOSE,12); EMA26:=EMA(CLOSE,26); DIF:EMA12-EMA26; DEA:EMA(DIF,9); MACD:(DIF-DEA)*2,COLORSTICK;
Python代码参考
import tushare as ts
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L', fields='ts_code,name,industry,market,area,pe,pb,circ_mv')['ts_code']:
df = pro.daily(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,open,high,low,close,vol,amount')
if (df.iloc[-1]['open'] - df.iloc[-1]['low']) / df.iloc[-1]['high'] > 0.01:
vol_rate = pro.moneyflow(ts_code=code, start_date='', end_date='', fields='ts_code,trade_date,buy_sm_vol,sell_sm_vol,buy_md_vol,sell_md_vol,buy_lg_vol,sell_lg_vol,buy_elg_vol,sell_elg_vol,net_mf_vol')
vol_rate = vol_rate.set_index('trade_date')
if vol_rate.iloc[-1]['net_mf_vol'] > 0 and vol_rate.iloc[-2]['vol'] > 0 and (vol_rate.iloc[-2]['turnover_rate']*(df.iloc[-1]['amount']/vol_rate.iloc[-2]['vol'])) > 0.5 and (vol_rate.iloc[-2]['turnover_rate']*(df.iloc[-1]['amount']/vol_rate.iloc[-2]['vol'])) < 2:
dif, dea, macd = ta.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if macd.iloc[-1] > 0:
selected_stocks.append(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。
