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、非ST，以及符合五部涨停战法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，同时考虑了资金面因素和市场情绪，选择了表现稳定、资金充裕，同时有市场情绪支持的股票作为投资标的。
选股逻辑分析
该选股策略主要通过技术面和基本面指标选股，同时考虑市场情绪因素和流动性因素。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，而非ST股票相对稳定，符合五部涨停战法的股票则代表了市场情绪的支持和买方动力，选择这些标的作为投资标的可以有效降低风险。
有何风险？
该选股策略的主要风险在于五部涨停战法的应用，其基于历史价格涨跌的概率分析，且不能保证未来的股票涨幅符合历史数据。同时，企业性质良好不能完全代表股票估值合理或者公司财务状况稳定。此外，非ST股票也可能受到其他因素的影响，如政策变化、行业波动等。因此，仅采取以上选股逻辑可能存在较大风险。
如何优化？
可以增加技术面指标，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；可以加入市盈率、市净率、财务成长性等基本面因子，从多个角度选取更加稳健的标的。同时，可以结合其他选股策略和量化模型来提升选股的准确性和盈利能力。
最终的选股逻辑
选取MACD值在零轴以上、企业性质良好、非ST，同时符合五部涨停战法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 (NOT ST) AND (PT_TYPE = 0) AND (LASTTWO(CLOSE > MA(CLOSE,60)) AND LASTTWO(CLOSE > REF(CLOSE,1)) AND LASTTWO(CLOSE > REF(CLOSE,2)) AND LASTTWO(CLOSE > REF(CLOSE,3)) AND LASTTWO(CLOSE > REF(CLOSE,4))) 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")
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) & ~(df['name'].str.startswith('ST'))]
stock_list = []
for code in df.index.tolist():
estimate = jq.get_money_flow(code=code, count=5)
if len(estimate) >= 5 and all(estimate.iloc[-5:]['net_buy_amount'] > 0) and all(jq.get_price(code, end_date=today, count=5)[['close', 'high']].apply(lambda s: all(s > s.rolling(window=60).mean()), axis=1).tail(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[stock_df['low'] > stock_df['high_ma5']]
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。
