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 元以及近三年营收增长超过 10%。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑除了考虑技术面的 MACD 指标和价格水平，还考虑了公司的盈利能力，选出近三年营收增长超过 10%的股票，从基本面上挑选优质股票。
有何风险？
- 过度追求基本面，忽略股价涨跌。
- 过于依赖历史数据，忽略公司未来的发展。
如何优化？
- 加入技术指标辅助判断股票买卖时机。
- 关注公司未来发展前景，加入更多基本面指标进行综合分析。
最终的选股逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元以及近三年营收增长超过 10%的股票。在筛选过程中，还关注了其他技术指标和基本面因素，以综合判断股票的价值是否符合预期。
同花顺指标公式代码参考
以下是 MACD 的同花顺指标公式：
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
以下是每年营收、净利润的同花顺指标公式：
营收：REVS(TOLOW(SYMBOL),QFTOKEN,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,4,1,2,1,0);
净利润：PROFITS(TOLOW(SYMBOL),QFTOKEN,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,3,1,2,1,0)
python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import akshare as ak
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="15") # 获取股票 15 分钟数据
close_price = data_stock_price["close"].tolist()
df_finance = ak.stock_financial_report(stock="000001", year="2020") # 获取公司 2020 年报数据
revenue_last_three_years = df_finance.loc[df_finance["报表日期"].str.contains("1231"), "营业收入"].tolist()[-3:]
revenue_growth_rate = (revenue_last_three_years[-1] - revenue_last_three_years[0]) / revenue_last_three_years[0]
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=12, slowperiod=26, signalperiod=9)
filtered = data_stock_price.loc[
(pd.Series(macd).tail(2).count() == 2) # MACD 有两个值
& (macd[-1] > 0) # MACD 大于 0
& (data_stock_price['close'].iloc[-1] < 12) # 价格小于 12 元
& (revenue_growth_rate > 0.1) # 近三年营收增长超过 10%
]
filtered = filtered.loc[filtered.index.strftime("%H%M") == "1000"] # 选股时间为 10:00
result = filtered.merge(df_fund[["代码"]]).drop_duplicates(subset=["代码"]) # 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。
## 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。
