问财量化选股策略逻辑
选股逻辑为MACD零轴以上、PE大于0、昨天换手率大于8%的股票。选股时间为每个交易日开盘前。
选股逻辑分析
该选股逻辑主要基于以下几个方面：
- MACD零轴以上：表示当前股票处于上涨趋势；
- PE大于0：表示当前股票的市盈率正常；
- 昨天换手率大于8%：代表当前股票具有较好的市场活跃度和投资人情绪。
综合考虑以上几个指标，筛选出的股票具有比较高的投资价值。
有何风险？
- 市场风险：选股依赖于股票市场行情，股票市场上的不确定性风险仍是存在的；
- 选股逻辑风险：筛选出的股票仅仅符合筛选条件，并不代表经济面和基本面信息良好；
- 数据风险：选股的指标和数据可能会存在滞后性和不准确性，需要不断修正优化。
如何优化？
- 可以结合其他技术指标（如KDJ、RSI）和基本面指标，在选股筛选中引入更多的标准，以评估股票真实价值；
- 可以加强对行业和板块的选择，选取优质行业或板块中表现优异的个股；
- 可以采用量化方法结合机器学习算法，在选股筛选和投资决策中引入更多分析和预测的能力。
最终的选股逻辑
选股逻辑为MACD零轴以上、PE大于0、昨天换手率大于8%的股票。选股时间为每个交易日开盘前。
同花顺指标公式代码参考
MACD指标：
DIF:EMA(CLOSE,12)-EMA(CLOSE,26)
DEA:EMA(DIF,9)
MACD:(DIF-DEA)*2
PE指标：
PE:FIELD('pe_ttm',0)
换手率指标：
HSL:REF(CLOSE,1)/REF(CLOSE,2)*100
选股筛选公式：
MACD > 0 AND PE > 0 AND HSL > 8
排序公式：
默认按照个股热度（比如日成交额）排序，这里不做展示。
Python代码参考
以下为python的选股筛选代码、排序代码，仅供参考：
import akshare as ak
import pandas as pd
# 获取股票列表并计算选股筛选条件
data = ak.stock_zh_a_daily(symbol="", adjust="qfq").reset_index()
data['hsl'] = data['close'].shift(1) / data['close'].shift(2) * 100
condition1 = data['macd'] > 0
condition2 = data['pe_ttm'] > 0
condition3 = data['hsl'] > 8
# 合并选股条件
result = data[condition1 & condition2 & condition3]
# 按照个股热度排序
result['hs'] = ak.stock_zh_a_hist(symbol=result['symbol'].tolist(), adjust="hfq", start_date=datetime.datetime.now().strftime("%Y%m%d"), end_date=datetime.datetime.now().strftime("%Y%m%d")).groupby('symbol').agg({'amount': 'sum'})
result_sorted = result.sort_values(by=['hs'], ascending=False).head(5)
## 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。
