问财量化选股策略逻辑
选股逻辑为 MACD 技术指标零轴以上、价格小于 12 元、换手率大于 2% 且小于 9%。选股时间为每个交易日开盘前 10 点进行。
选股逻辑分析
该选股逻辑加入了换手率指标的条件，以便于过滤出成交量相对稳定的股票。并通过 MACD 技术指标、价格等条件选出符合要求的股票。
有何风险？
- 市场风险，股票市场波动性较大，选股结果可能会被波动较大影响。
- 数据风险，选股过程中依赖数据来源，数据不准确可能会影响选股结果。
如何优化？
- 加入其他技术指标或者基本面指标进行选股，以提升选股结果准确性。
- 根据不同市场环境和个人需求，调整用于筛选的条件，以提升选股结果的适应性。
最终的选股逻辑
综合 MACD 技术指标、价格条件、换手率等因素，选出符合条件的股票，并进行进一步的可投资性和风险评估。
同花顺指标公式代码参考
以下是 MACD 指标、价格条件、换手率条件的同花顺指标公式：
MACD(C, 12, 26, 9);
CROSS(MACD, 0) = 1;
TURNOVER = VOL / CAPITAL / 100;
TURNOVER > 2 AND TURNOVER < 9 AND REF(TURNOVER, 1) < REF(TURNOVER, 2)
Python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import talib
import akshare as ak
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="d") # 获取股票 K 线数据，可根据实际需求调整
data_stock_volume = ak.stock_zh_a_daily_tx(symbol="sh601988", period="d") # 获取股票每日交易数据，可根据实际需求调整
close_price = data_stock_price["close"].tolist()
vol = data_stock_volume["交易量"].tolist()
capital = data_stock_volume["总股本(万)"].tolist()
turnover_ratio = [vol[i]/capital[i]/100 for i in range(len(vol))] # 计算换手率
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
target_stocks = []
for i in range(2, len(data_stock_price)):
if data_stock_price["price"].iloc[i] < 12 and macd[i] > 0 and 2 < turnover_ratio[i] < 9 and turnover_ratio[i-1] < turnover_ratio[i-2]:
target_stocks.append([data_stock_price.index[i], data_stock_price["name"].iloc[i]])
target_stocks = sorted(target_stocks, key=lambda x: hot_rank_list.index(x[0]), reverse=True)
需要注意，由于数据在运行时需要更新，因此具体代码需要根据实际情况调整。同时需要根据实际情况查询对应的 AKShare 数据接口。还需要根据自己需求，调整选股结果输出方式。
## 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。
