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（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2的股票作为投资标的。该策略主要从技术面和市场因素的角度出发，选取MACD值在零轴以上的股票代表其经济基本面整体上处于扩张状态，选取换手率和竞价成交量加以排除低流动性或价值洼地的股票，从而提升策略的稳健性和收益率。
选股逻辑分析
该选股策略强化了市场因素的作用，通过筛选昨日换手率和今日竞价成交量的组合项，排除了流动性差或是已经被市场严重低估的股票，更为全面地反映市场的实际情况。同时也结合了技术面的判断，选取MACD值在零轴以上的股票，往往代表其经济基本面整体上处于扩张状态，更有可能获得投资回报。
有何风险？
该选股策略仍有一定的市场风险。其所选取的换手率和竞价成交量加权值，在某些时段可能不能准确反映市场的实际情况，从而导致选股结果不如预期。此外，过份依赖技术面的指标也有可能忽略掉一些基本面因素，存在一定的误判市场形势的可能。
如何优化？
可以加入更丰富的市场因素变量，如市盈率、市净率等，进一步筛选出符合投资期望的标的。同时应加强基本面分析，对股票内在的财务等基本面因素予以重视，以便更全面地反映市场的实际情况。
最终的选股逻辑
选取MACD值在零轴以上、企业性质良好，且（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2的股票作为投资标的。
同花顺指标公式代码参考
(VAR1 > 0) AND (NOT ST) AND (CROSS(MA(CLOSE,5),MA(CLOSE,10))) ORDER BY VOLUME_PRICE_RATIO ASC LIMIT 5
Python代码参考
import jqdatasdk as jq
from datetime import datetime, timedelta
jq.auth("账户名", "密码")
today = datetime.now().strftime("%Y-%m-%d")
yesterday = (datetime.now() - timedelta(days=1)).strftime("%Y-%m-%d")
q = jq.query(jq.balance.STK_CAPITAL_CHANGE) \
.filter(jq.balance.code.in_(jq.get_all_securities().index.tolist())) \
.filter(jq.balance.pubDate == "2019-12-31")
df = jq.get_fundamentals(q)
df['max_drop'] = None
for code in df.index.tolist():
price_df = jq.get_price(code, end_date=today, frequency="daily", fields=["close", "high_limit", "low_limit"])
if price_df.iloc[-1]['close'] < price_df.iloc[-1]['low_limit']:
df.loc[code, 'max_drop'] = (price_df.iloc[-1]['close'] - price_df.iloc[-1]['low_limit']) / price_df.iloc[-1]['close'] * 100
elif price_df.iloc[-1]['close'] > price_df.iloc[-1]['high_limit']:
df.loc[code, 'max_drop'] = (price_df.iloc[-1]['high_limit'] - price_df.iloc[-1]['close']) / price_df.iloc[-1]['close'] * 100
df = df[(df['max_drop'] >= -5) & (df['max_drop'] <= -4) & ~(df['name'].str.startswith('ST'))]
stock_list = []
for code in df.index.tolist():
estimate = jq.get_money_flow(code=code, start_date=yesterday, end_date=today)
if len(estimate) >= 2 and estimate.iloc[-1]['volume']/estimate.iloc[-2]['volume'] > 0.5 and estimate.iloc[-1]['volume']/estimate.iloc[-2]['volume'] < 2:
stock_list.append(code)
price_df = jq.get_price(stock_list, end_date=today, frequency="daily", fields=["high", "low", "close"])
stock_df = price_df.iloc[-1]
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。
