问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质、七连阴的股票作为投资标的。该策略主要从技术面和市场表现两方面入手，从技术面选择MACD表现出较好的股票，同时要求企业性质良好；从市场表现角度选择七连阴的股票，认为这类股票可能存在反弹机会。
选股逻辑分析
该选股策略同样是从技术面和市场表现两个角度入手，从技术面选择MACD表现较好的股票，同时要求企业性质良好；从市场表现角度选择连续下跌的股票。通过连续下跌的表现寻找存在反弹机会的股票。
有何风险？
该选股策略可能存在一些风险。首先，连续下跌也可能会意味着这类股票的基本面出现较大问题，存在重大风险。其次，如果选择的股票未来仍然大跌，那么七连阴也没有什么意义。除此之外，选股逻辑具有一定的主观性，需要大量研究和分析市场才可确定具体标准。
如何优化？
可以进一步加强选股逻辑的科学性和可行性。例如考虑到公司的财务指标和基本面数据等，结合市场交易数据和分析来确定财务健康、交易活跃性等。含有主观因素的选股逻辑也可以通过建立机器学习模型来进行优化。
最终的选股逻辑
选取MACD值在零轴以上、企业性质良好、连续七天下跌的股票作为投资标的。
同花顺指标公式代码参考
(MACD(12,26,9) > 0) AND (PT_TYPE=0) AND (COUNT(CLOSE < REF(CLOSE, 1), 7) == 7) ;
Python代码参考
import jqdatasdk as jq
from datetime import datetime, timedelta
jq.auth("账户名", "密码")
yesterday = (datetime.now().date() - timedelta(days=1)).strftime("%Y-%m-%d")
q = jq.query(jq.finance.STK_LIST).filter(jq.finance.STK_LIST.type== 'CS').filter(jq.finance.STK_LIST.board_type_code== '001')
df = jq.finance.run_query(q)
for stock_code in df.index.tolist():
stock_name = jq.get_security_info(stock_code).display_name
q = jq.query(jq.finance.STK_BAR).filter(jq.finance.STK_BAR.code == stock_code).filter(jq.finance.STK_BAR.date >= (datetime.now().date() - timedelta(days=7)).strftime("%Y-%m-%d"))
df_stock = jq.finance.run_query(q)
if len(df_stock) == 7:
df = jq.get_price(stock_code, count=30, end_date=yesterday, frequency='daily', fields=['open', 'close'])
macd, signal, hist = abstract.MACD(df, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] > signal[-1]:
if jq.finance.run_query(jq.query(jq.finance.STK_COMPANY_INFO).filter(jq.finance.STK_COMPANY_INFO.code==stock_code)).iloc[0]['nature'] != 'ST':
print("(" + stock_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。
