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，且市盈率在0-29.01、市净率在0-3.11范围内的深证主板股票作为投资标的。该策略综合考虑了MACD指标的技术面因素和企业质量的基本面因素，同时也考虑了市盈率和市净率等价值因素。
选股逻辑分析
该选股策略注重技术面和基本面的结合，选用MACD指标来辅助判断股票的技术面情况，选用企业性质来筛选质量好的个股，同时也加入了市盈率和市净率等价值因素。选取在一定价值范围内的股票，以降低投资风险。
有何风险？
该策略只选取深证主板的股票，无法充分考虑全市场的情况，可能会忽略其他板块的机会和风险。另外，只看市盈率和市净率等基本面指标可能忽略了行业特征、估值水平不当等因素，存在选股效果不佳或误判风险等问题。
如何优化？
可以加入其他技术指标和基本面指标，如RSI指标、财务数据等，以更全面地评估个股的市场情况和投资价值。同时也可以加入其他因素，如行业方向、策略特点等等，以更全面地考虑股票的投资性质。另外，在市盈率和市净率等基本面指标的选择上可以更加灵活多样化，以减小投资风险。
最终的选股逻辑
选取MACD值在零轴以上、企业性质良好，且市盈率在0-29.01、市净率在0-3.11范围内的深证主板股票作为投资标的。
同花顺指标公式代码参考
MACD>0 AND PE>=0 AND PE<=29.01 AND PB>=0 AND PB<=3.11
Python代码参考
import talib
import jqdatasdk as jq
from datetime import datetime, timedelta
jq.auth("账户名", "密码")
today = datetime.now().strftime("%Y-%m-%d")
q = jq.query(jq.valuation).filter(jq.valuation.code.in_(jq.get_index_stocks('399001.XSHE')))
df_valuation = jq.get_fundamentals(q)
df_valuation = df_valuation[(df_valuation['pe_ratio']>0) & (df_valuation['pe_ratio']<29.01) & (df_valuation['pb_ratio']>0) & (df_valuation['pb_ratio']<3.11)]
df_stock_basics = jq.get_all_securities('stock')
df_stock_basics = df_stock_basics[df_stock_basics['start_date'] < today]
price_df = jq.get_price(df_stock_basics.index.tolist(), end_date=today, frequency="daily", fields=["low", "high", "close"])
df = df_valuation.merge(price_df.reset_index(), left_index=True, right_on='code')[['name', 'pe_ratio', 'pb_ratio', 'close']]
df['ma5'] = talib.SMA(df['close'], timeperiod=5)
df['ma10'] = talib.SMA(df['close'], timeperiod=10)
df['ma20'] = talib.SMA(df['close'], timeperiod=20)
df['ma30'] = talib.SMA(df['close'], timeperiod=30)
df['macd'], df['macdsignal'], df['macdhist'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df = df[(df['macd']>0)]
df = df.sort_values('name', ascending=False)
stock_list = df.index.tolist()
for code in stock_list:
stock_name = jq.get_security_info(code).display_name
q = jq.query(jq.valuation).filter(jq.valuation.code==code).filter(jq.valuation.date==today)
df_valuation = jq.get_fundamentals(q)
if len(df_valuation) > 0 and df_valuation.iloc[0]['pe_ratio'] > 0:
print("(" + 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。
