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、机构抄底的股票作为投资标的。该策略既从技术面选股，又从基本面选股，同时考虑了机构投资者的行为，选择了表现较好的股票作为投资标的。
选股逻辑分析
该选股策略结合了多种考虑因素，包括技术面、基本面以及机构投资者的行为。从技术面上看，MACD表现良好的股票是可以投资的对象；从基本面上看，选取企业性质良好的企业，因为公司财务状况较好的企业通常具有良好的长期发展前景；从机构投资者的行为上看，选取机构抄底的股票，意味着有资金进入，这通常是市场走牛的预兆，增加了获利的概率。
有何风险？
该选股策略的风险包括技术面风险、基本面风险、机构投资者的行为风险等。在技术面上，MACD仅是其中一种指标，不一定适用于所有的情况；在基本面上，企业性质良好并不代表公司财务状况良好，可能存在财务风险、行业风险等；在机构投资者的行为上，机构投资者的入场并不意味着走牛，并且机构对于股票的操作也会受到市场压力、经济周期等影响。
如何优化？
可以将技术面指标多样化，如加入其他技术指标、技术面分析机构的推荐、历史价格变化等指标来进行分析，以减少技术面风险；可以加入资金流向、市盈率、市净率等基本面因子，从多个角度选取更加稳健的标的。同时，可以根据市场表现调整机构投资者的行为指标，如资本净流入、机构调研等，以减少机构投资者的行为风险。
最终的选股逻辑
选取MACD值在零轴以上、企业性质良好、机构抄底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 ((BUY_LARGE_ORDER_VOL_3M - SELL_LARGE_ORDER_VOL_3M) > 0) ORDER BY VOLUME_PRICE_RATIO ASC LIMIT 5
Python代码参考
import jqdatasdk as jq
jq.auth("账户名", "密码")
today = datetime.now().strftime("%Y-%m-%d")
q = jq.query(jq.income) \
.filter(jq.income.code.in_(jq.get_all_securities().index.tolist())) \
.filter(jq.income.pub_date > (datetime.now() - timedelta(days=365)))
df = jq.get_fundamentals(q)
df['net_profit_margin'] = df['net_profit'] / df['operating_revenue']
df["pt_type"] = df.apply(lambda x: 1 if x["net_profit_margin"] < 0 or x["operating_revenue"] < 0 else 0, axis=1)
df = df[(df['pt_type'] == 0)]
stock_list = []
for code in df.index.tolist():
estimate = jq.get_money_flow(code=code, count=1)
if len(estimate) > 0 and (estimate['buy_large_order_vol_3m'][0] - estimate['sell_large_order_vol_3m'][0]) > 0:
stock_list.append(code)
price_df = jq.get_price(stock_list, end_date=today, frequency="daily", fields=["high", "low", "close"])
order_vol = jq.get_money_flow(stock_list, end_date=today, count=1, fields=["buy_large_order_vol", "sell_large_order_vol"])
order_vol = order_vol[order_vol['buy_large_order_vol'] - order_vol['sell_large_order_vol'] > 0]
stock_df = price_df.iloc[-1][price_df.iloc[-1]['low'] > price_df.iloc[-1]['high_ma5']]
stock_df = stock_df[stock_df.index.isin(order_vol.index.tolist())]
stock_df = stock_df.sort_values('turnover_rate',ascending=False)
for stock_code in stock_df.index.tolist():
stock_name = jq.get_security_info(stock_code).display_name
q = jq.query(jq.indicator.MACD).filter(jq.indicator.MACD.code==stock_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("(" + 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。
