问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质良好且周线MA5金叉MA10的股票作为投资标的。该策略结合了技术面和基本面的选股思路，同时使用了中长期的均线指标，以降低短期波动对选股的影响，更为稳健。
选股逻辑分析
该选股策略主要从技术面和基本面的角度出发，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，企业性质良好的股票具有相对的估值优势；同时选取周线MA5金叉MA10的股票，可以避免短期波动对选股的影响，更为稳健。
有何风险？
该选股策略可能存在一定的时滞性，特别是周线的均线指标，可能无法捕捉到短期趋势的变化。同时，过度强调技术面，对公司财务等基本面因素忽略不计，有可能导致选取的股票无法充分体现公司的内在价值。
如何优化？
可以在选股过程中，加入一些其他的市场因素指标，例如市盈率、市净率等，更全面地反映公司的业绩质量、盈利能力、估值水平等基本面因素。
最终的选股逻辑
选取MACD值在零轴以上、企业性质良好且周线MA5金叉MA10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
jq.auth("账户名", "密码")
today = datetime.now().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, count=2)
if len(estimate) >= 2 and estimate.iloc[-1]['volume'] < estimate.iloc[-1]['volume']:
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:
ma5 = jq.get_price(stock_code, end_date=today, frequency="weekly", fields=["close"]).close.rolling(window=5).mean()
ma10 = jq.get_price(stock_code, end_date=today, frequency="weekly", fields=["close"]).close.rolling(window=10).mean()
if ma5.iloc[-1] > ma10.iloc[-1] and ma5.iloc[-2] < ma10.iloc[-2]:
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。
