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之间的股票，且前天的MACD小于0。本选股逻辑结合了股票走势、市场活跃度以及技术指标等因素，旨在寻找走势向下并正在底部区间迎来反弹的股票。
选股逻辑分析
本选股策略主要通过选取振幅大于1，(昨日换手率*(今日竞价成交量/昨日成交量))在0.5到2之间的股票，并结合前天MACD小于0的条件，筛选出走势向下并正在底部区间迎来反弹的股票。此逻辑相对于前一个策略，更着重于技术指标的分析，以及市场对于投资者情绪的反应，增加投资者对于股票未来走势的预判。
有何风险？
本选股策略存在以下风险。1.选股标准偏窄，难以反映股票的全部情况；2.股票市场波动剧烈可能导致选股策略效果下降。
如何优化？
本选股策略可加入企业基本面、行业发展趋势等基本面指标，更加深入的了解股票的各个方面，结合KDJ指标、RSI指标等技术指标，准确把握股票的走势。另外，对于选股策略的窄化，可以考虑适当扩大选择范围，以提高选股效果和稳定性。
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之间的股票，且前天的MACD小于0。同时结合技术指标和基本面分析，考虑企业的业绩、行业的趋势、市场的整体情况等因素，构建具有多维度考虑的选股策略。
同花顺指标公式代码参考
- 振幅=100*(最高价-最低价)/收盘价；
- 竞价成交量比率 =今日竞价成交量/昨日成交量；
- MACD指标公式: DIFF:12日EMA-26日EMA， DEA：9日EMA,MACD：(DIFF-DEA)*2；
- 剔除昨日涨停：检查最近20个交易日的日涨幅数据，如果前一个交易日的涨幅大于9.5%，则剔除该股票。
python代码参考
import tushare as ts
from datetime import datetime, timedelta
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,list_date,list_status,total_mv,circ_mv,npr')["ts_code"]:
if len(selected_stocks) >= n:
break
if code.startswith("60") and code[:6] != "600" and code[:6] != "601":
continue
if pro.query('daily_basic', ts_code=code, trade_date=datetime.today().strftime('%Y%m%d'), fields='turnover_rate,amplitude,dv_ratio,total_mv,circ_mv,npr')[0][0] * (pro.query('market_detail', trade_date=datetime.today().strftime('%Y%m%d'), fields='total_turnover')["total_turnover"][0] / pro.query('market_detail', trade_date=(datetime.today()-timedelta(1)).strftime('%Y%m%d'), fields='total_turnover')["total_turnover"][0]) <= 0.5 or pro.query('daily_basic', ts_code=code, trade_date=datetime.today().strftime('%Y%m%d'), fields='turnover_rate,amplitude,dv_ratio,total_mv,circ_mv,npr')[0][0] * (pro.query('market_detail', trade_date=datetime.today().strftime('%Y%m%d'), fields='total_turnover')["total_turnover"][0] / pro.query('market_detail', trade_date=(datetime.today()-timedelta(1)).strftime('%Y%m%d'), fields='total_turnover')["total_turnover"][0]) >= 2:
continue
flag = False
if pro.query('macd', ts_code=code, start_date=(datetime.today()-timedelta(2)).strftime('%Y%m%d'), end_date=(datetime.today()-timedelta(2)).strftime('%Y%m%d'), fields='MACD')["MACD"][0] > 0:
flag = True
if flag:
continue
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。
