问财量化选股策略逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元、前一交易日实际换手率在 3% 到 28% 之间的股票。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑结合了技术面和市场情况考虑，综合了 MACD 技术指标和实际换手率因素，较全面地评估了股票的投资价值。相较于长期关注同一支股票，该选股逻辑时刻根据市场变化动态更新，符合一定的实战意义。
有何风险？
- 忽略了基本面数据，如市盈率、市净率等。
- 过于依赖 MACD 技术指标，可能存在市场结构变化导致选股逻辑失效的风险。
- 过于依赖前一交易日的实际换手率，可能因市场情况波动较大，存在选股因素过于单一的风险。
如何优化？
- 增加基本面数据的考虑，如市盈率、市净率等。
- 尝试其他技术面指标的组合，以提高选股逻辑的准确性。
- 对选股逻辑中的价格限制进行动态调整，增加策略的灵活性。
- 将实际换手率的限制条件改为相对换手率，以规避市场情况波动较大的影响。
最终的选股逻辑
综合考虑 MACD 技术指标和相对换手率，从而选取出表现较好、风险相对较小的股票。
同花顺指标公式代码参考
以下是 MACD 指标的同花顺指标公式：
MACD(CLOSE, 12, 26, 9);
python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import akshare as ak
import talib
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="D") # 获取股票日 K 线数据
close_price = data_stock_price["close"].tolist()
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
data_stock_turnover = ak.stock_zh_a_hist(symbol="sh601988", start_date="20200501", end_date="20200530") # 获取股票历史行情数据
turnover_ratio = data_stock_turnover["实际换手率"]
data_stock_quote = ak.stock_zh_a_quote(symbol="sh601988") # 获取股票实时行情数据
if macd[-1] > 0 and (turnover_ratio[-2] / turnover_ratio[-3]) > 1.03 and (turnover_ratio[-2] / turnover_ratio[-3]) < 1.28 and data_stock_quote["现价"].iloc[-1] < 12:
filtered = data_stock_info.loc[
(data_stock_info["type"] == "主板")
# 其他条件
]
result = filtered[["代码", "名称"]] # 最终选股结果
注意，由于数据在运行时需要更新，因此具体代码需要实际情况调整。同时需要根据实际情况查询对应的 AKShare 数据接口。
## 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。
