(supermind策略)task16/a/macd零轴以上、企业性质、20日均线大于12

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选取MACD值在零轴以上、企业性质和20日均线大于120日均线的个股作为投资标的。该策略综合考虑了技术面和企业基本情况等多方面因素,以寻找具备较强技术面和稳健基本情况的优质个股,用于投资。

选股逻辑分析

该选股策略主要基于技术面和企业基本情况,但相较于只根据技术面选股,增加了基本面的考虑,可以有效降低风险。选择20日均线大于120日均线的股票,则要求股票的趋势比较明显,风险控制能力比较强。但是同时也可能忽略了短期波动性大的股票,具体应根据投资者风险偏好选择是否投资此类股票。

有何风险?

由于该选股策略过于注重技术面特征,因此可能无法对一些基本面较强但技术面短期偏弱的股票进行捕捉。同时,过度依赖技术面导致选股范围窄,可能会忽略一些有潜力的股票。

如何优化?

结合其他基本面因素,如财务状况等,可以更全面地评估个股的市场情况和投资价值。同时,应该根据不同行业或个股特点灵活调整参数,以避免选中过少或过多的个股。

最终的选股逻辑

选取MACD值在零轴以上、企业性质和20日均线大于120日均线的个股作为投资标的。

同花顺指标公式代码参考

MACD>0 AND MA20>MA120

Python代码参考

import talib
import jqdatasdk as jq
from datetime import datetime, timedelta

jq.auth("账户名", "密码")

today = datetime.now().strftime("%Y-%m-%d")

q = jq.query(jq.valuation).filter(jq.valuation.code.in_(jq.get_index_stocks('399001.XSHE')))
df_valuation = jq.get_fundamentals(q)

df_stock_basics = jq.get_all_securities('stock')

df_stock_basics = df_stock_basics[df_stock_basics['start_date'] < today]

q = jq.query(jq.valuation).filter(jq.valuation.ma20 > jq.valuation.ma120)
df_valuation = jq.get_fundamentals(q)

price_df = jq.get_price(df_valuation.index.tolist(), end_date=today, frequency="daily", fields=["low", "high", "close"])

df = df_valuation.merge(price_df.reset_index(), left_index=True, right_on='code')[['name', 'ma20', 'close']]

df['ma5'] = talib.SMA(df['close'], timeperiod=5)
df['ma10'] = talib.SMA(df['close'], timeperiod=10)
df['ma20'] = talib.SMA(df['close'], timeperiod=20)
df['ma30'] = talib.SMA(df['close'], timeperiod=30)

df['macd'], df['macdsignal'], df['macdhist'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)

df = df[(df['macd']>0)]

df = df.sort_values('name', ascending=False)

stock_list = df.index.tolist()

for code in stock_list:
    stock_name = jq.get_security_info(code).display_name
    q = jq.query(jq.valuation).filter(jq.valuation.code==code).filter(jq.valuation.date==today)
    df_valuation = jq.get_fundamentals(q)
    if len(df_valuation) > 0 and df_valuation.iloc[0]['ma20'] > df_valuation.iloc[0]['ma120']:
        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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论