问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质、圆弧形的个股作为投资标的。该策略主要选取具备较强趋势性、良好的基本面、价格形态较佳的个股，以寻找低风险、高收益的潜力股。
选股逻辑分析
选股逻辑包括选取MACD值在零轴以上、企业性质、圆弧形的个股作为投资标的。MACD值在零轴以上反映了股票价格大概率向上上涨趋势，企业性质关注公司的基本面，圆弧形是价格图形分析中一种价格回升的形态，是股价企稳反弹的信号，筛选出具有价格形态优势、较好潜力的股票。
有何风险？
该策略选出的股票可能面临股价下跌、企业基本面变化等多种风险，同时价格图形的判断也可能存在误判。
如何优化？
除了MACD指标和企业性质外，可以加入其他价格形态指标，如双底、头肩底等，以综合评估股票价格趋势；同时，可以引入更多的基本面指标和财务数据指标，如净利润增长率、市盈率、市净率等，辅助选股策略，进一步提高策略的表现。
最终的选股逻辑
选取MACD值在零轴以上、企业性质、圆弧形的个股作为投资标的。
同花顺指标公式代码参考
RETURN(MACD>0 AND round_curve AND net_profit > 0)
其中，MACD代表移动平均线指标，round_curve代表圆弧形价格回升形态，net_profit代表净利润。
Python代码参考
import jqdatasdk as jq
import talib
jq.auth("账户名", "密码")
q = jq.query(jq.valuation).filter(jq.valuation.net_profit > 0)
df_valuation = jq.get_fundamentals(q, count=1)
df_adjust_price = jq.get_price(df_valuation.index.tolist(), count=60, end_date='today', frequency='daily', fields=['open', 'close', 'high', 'low'], skip_paused=True)
df_macd, _, _ = talib.MACD(df_adjust_price['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
df_round_curve = ((df_adjust_price['close'] - df_adjust_price['low']) / (df_adjust_price['high'] - df_adjust_price['low'])).rolling(20).mean()
df_round_curve_flag = df_round_curve > 0.7
df_valuation = df_valuation[(df_macd > 0) & (df_round_curve_flag)]
stock_list = df_valuation.index.tolist()
for code in stock_list:
q = jq.query(jq.valuation, jq.income).filter(jq.valuation.code==code, jq.income.code==code)
df_valuation = jq.get_fundamentals(q)
if len(df_valuation) > 0:
stock_name = jq.get_security_info(code).display_name
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。
