(supermind策略)task16/a/macd零轴以上、PE>0、2021年

问财量化选股策略逻辑

选股逻辑为MACD零轴以上、PE大于0、属于2021年的股票。选股时间为每个交易日开盘前。

选股逻辑分析

该选股逻辑主要基于以下几个方面：

1. MACD零轴以上：表示当前股票处于上涨趋势；
2. PE大于0：表示当前股票的市盈率正常；
3. 属于2021年：对应的特定时期，可能存在某些行业、股票相对于其他市场环境更有投资价值。

评估以上指标，筛选出的股票具有较高的投资价值。

有何风险？

1. 选股策略风险：过于依赖历史数据、过于追求短期收益的投资策略容易导致投资风险增加；
2. 时间因素风险：选股策略只依赖于特定时期的数据，可能存在时间因素过于局限的风险；
3. 鲁棒性风险：选股策略的鲁棒性有待进一步考虑，策略可能存在一定的局限性。

如何优化？

1. 结合个股基本面数据，如盈利、估值等多维度筛选股票；
2. 改进选股逻辑，尝试引入更多不同的时间段，提高策略的鲁棒性；
3. 引入其他技术指标以满足不同投资者的投资需求。

最终的选股逻辑

选股逻辑为MACD零轴以上、PE大于0、属于2021年的股票。选股时间为每个交易日开盘前。

同花顺指标公式代码参考

MACD指标：

DIF:EMA(CLOSE,12)-EMA(CLOSE,26);
DEA:EMA(DIF,9);
MACD:(DIF-DEA)*2;

PE指标：

PE:FIELD('pe_ttm',0);

年份指标：

YEAR:YEAR(C);

选股筛选公式：

MACD > 0 AND PE > 0 AND YEAR == 2021;

排序公式：

默认按照个股涨跌幅排序，这里不做展示。

Python代码参考

以下为python的选股筛选代码、排序代码，仅供参考：

import akshare as ak
import pandas as pd
import talib

# 获取股票列表并计算选股筛选条件
data = ak.stock_zh_a_daily(symbol="", adjust="qfq").reset_index()
ma10 = data['close'].rolling(10).mean()
condition1 = data['macd'] > 0
condition2 = data['pe_ttm'] > 0
condition3 = data['trade_date'].apply(lambda x: str(x)[:4]) == '2021'

# 合并选股条件
result = data[condition1 & condition2 & condition3]

# 按照涨跌幅排序
result_sorted = result.sort_values(by=['pct_chg'], ascending=False).head(5)

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)