问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质良好，且今日均线向上发散的股票作为投资标的。该策略综合了技术面和基本面因素，MACD值在零轴以上的股票代表公司经济基本面整体上处于扩张状态，企业性质良好代表着公司未来具有较好的盈利前景，今日均线向上发散则代表着股票价格继续上涨的潜力。
选股逻辑分析
该选股策略综合了技术面和基本面因素，MACD值在零轴以上的股票代表公司经济基本面的扩张状态，企业性质良好代表着公司未来具有良好的盈利前景，今日均线向上发散则代表着股票价格继续上涨的潜力。
有何风险？
该选股策略关注技术面和基本面的因素，忽略了市场情绪、政策、产业发展等其他影响股票价格的因素，无法保证股票价格持续上涨。同时，股票的历史价格走势不代表未来股价的走势，存在过度拟合历史数据的风险。
如何优化？
可以加入更多技术面因素，如KDJ、RSI等指标，以便全面反映股票的市场情况。此外，可以引入更多基本面指标，如营收增长率、净利润增长率等指标，以更全面地评估公司的财务情况。同时，可以加入政策、产业发展等因素，以更全面地考虑股票价格的变化。
最终的选股逻辑
选取MACD值在零轴以上、企业性质良好，且今日均线向上发散的股票作为投资标的。
同花顺指标公式代码参考
MACD>0 AND MA5>MA10 AND MA10>MA20 AND MA20>MA30
Python代码参考
import talib
import jqdatasdk as jq
from datetime import datetime, timedelta
jq.auth("账户名", "密码")
today = datetime.now().strftime("%Y-%m-%d")
q = jq.query(jq.valuation).filter(jq.valuation.code.in_(jq.get_all_securities().index.tolist()))
df_valuation = jq.get_fundamentals(q)
df_valuation = df_valuation[(df_valuation['pe_ratio']>0) & (df_valuation['pe_ratio']<100)]
df_stock_basics = jq.get_all_securities('stock')
df_stock_basics = df_stock_basics[df_stock_basics['start_date'] < today]
price_df = jq.get_price(df_stock_basics.index.tolist(), end_date=today, frequency="daily", fields=["low", "high", "close"])
df = df_valuation.merge(price_df.reset_index(), left_index=True, right_on='code')[['name', 'pe_ratio', 'pb_ratio', 'low', 'high', 'close']]
df = df[(df['pe_ratio']>0) & (df['pb_ratio']>0)]
df['ma5'] = talib.SMA(df['close'], timeperiod=5)
df['ma10'] = talib.SMA(df['close'], timeperiod=10)
df['ma20'] = talib.SMA(df['close'], timeperiod=20)
df['ma30'] = talib.SMA(df['close'], timeperiod=30)
df['macd'], df['macdsignal'], df['macdhist'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df = df[df['macd']>0]
df = df[(df['ma5']>df['ma10']) & (df['ma10']>df['ma20']) & (df['ma20']>df['ma30'])]
df = df.sort_values('close', ascending=False)
stock_list = df.index.tolist()
for code in stock_list:
stock_name = jq.get_security_info(code).display_name
q = jq.query(jq.indicator.MACD).filter(jq.indicator.MACD.code==code).filter(jq.indicator.MACD.date==today)
df_macd = jq.indicator.run_query(q)
if len(df_macd) > 0 and df_macd.iloc[0]['macd'] > 0:
print("(" + code + ")" + stock_name + " 符合条件")
## 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。
