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、股票均价站在五日均线之上的股票。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑综合考虑了技术面和市场情况，以 MACD 技术指标和均价和均线的关系作为选股指标，同时对股票价格做出限制。三个指标相辅相成，综合考虑了短期和长期的市场变化，选股条件相对较为严格，选出的股票整体风险相对较小。
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 技术指标和均价均线关系，可能存在市场结构变化导致选股逻辑失效的风险。
- 过于依赖价格限制条件，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。
- 拓展均价均线关系的指标，如均价站在十日移动平均线之上等。
- 对选股逻辑中的价格限制条件进行动态调整，增加策略的灵活性。
最终的选股逻辑
综合考虑 MACD 技术指标和均价均线关系，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);
以下是五日均线的同花顺指标公式：
MA(CLOSE, 5);
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()
ma_5 = talib.MA(np.array(close_price), timeperiod=5) # 计算 5 日均线
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
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 data_stock_quote["现价"].iloc[-1] < 12 and close_price[-1] > ma_5[-1]:
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。
