问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质、100亿市值以内的无亏损企业作为投资标的。该策略主要选取具有良好的技术走势和稳健的基本面，同时限制市值以控制风险。
选股逻辑分析
选股逻辑包括MACD值在零轴以上、企业性质、100亿市值以内的无亏损企业等条件。MACD值在零轴以上反映了股票价格大概率向上上涨趋势，企业性质则选注重稳健发展的企业基本面，市值控制在100亿以内避免过高市值的个股。
有何风险？
该策略风险包括市场风险、企业基本面变化风险、行业政策风险等因素的风险，需要进行综合分析。同时，该策略还存在可能错过高市值但潜力巨大的标的的问题，因此需要考虑其他选股逻辑的结合。
如何优化？
可加入更多的企业基本面指标，如资产负债表、现金流量表等指标，选取更具有投资价值和安全性的标的。同时，也可加入其他技术指标，如RSI等，进行更加准确的选股策略。也可考虑加入其他选股策略，如人工智能、大数据预测等来优化策略。
最终的选股逻辑
选取MACD值在零轴以上、企业性质、100亿市值以内的无亏损企业作为投资标的，并且考虑加入其他选股逻辑来进行综合分析。
同花顺指标公式代码参考
RETURN(MACD>0 AND NOT EXISTS FINANCIAL(DATA=\"Non_net_profit\"<0) AND MARKET_CAP<=10000000000)
其中，MACD代表移动平均线指标，FINANCIAL代表财务数据， MARKET_CAP为市值，RETURN返回真假值。
Python代码参考
import jqdatasdk as jq
import talib
import pandas as pd
jq.auth("账户名", "密码")
q = jq.query(jq.finance.STK_INCOME_STATEMENT.year_2021_net_profit, jq.finance.STK_INCOME_STATEMENT.total_profit).filter(jq.finance.STK_INCOME_STATEMENT.pub_date == '昨日', jq.finance.STK_INCOME_STATEMENT.code != None)
df_income_statement = jq.get_fundamentals(q, count=1)
q = jq.query(jq.finance.STK_CAPITAL_AMOUNT.total_capital).filter(jq.finance.STK_CAPITAL_AMOUNT.pub_date == '昨日', jq.finance.STK_CAPITAL_AMOUNT.code != None)
df_capital_amount = jq.get_fundamentals(q, count=1)
q = jq.query(jq.valuation).filter(jq.valuation.code != None)
df_valuation = jq.get_fundamentals(q, count=500)
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_market_cap = df_valuation['market_cap']
df_result = pd.DataFrame()
for code in df_valuation.index:
stock_name = jq.get_security_info(code).display_name
df_temp = jq.get_finance_indicator(code, end_date='2021-12-31', count=1)
df_temp['code'] = code
df_temp['name'] = stock_name
df_result = df_result.append(df_temp)
df_result = df_result[(df_macd > 0) & (df_result['net_profit'] >= 0) & (df_market_cap <= 10000000000)]
df_result = df_result.sort_values(by='market_cap', ascending=False)
df_final = df_result[['code', 'name']].set_index('code')
print(df_final)
## 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。
