问财量化选股策略逻辑
选取MACD值在零轴以上、企业集中度小于20%、企业规模在2亿以上的个股作为投资标的。该策略综合考虑了技术面、资本结构和企业规模等多方面的因素，以寻找具备较强技术面、集中度和规模的优质个股，用于投资。
选股逻辑分析
该选股策略除了基于技术面选择股票以外，还注重考虑股票资本结构和规模等因素，以保证股票基本情况稳健。选择集中度小于20%的个股，则可以有效避免单一大股东控制占比较高的企业，避免企业经营的不确定性。但是也有可能忽略了少数大股东的监管和企业传承等因素，使得这样的企业在管理上或许会不如以大股东为主导的企业发展稳定。
有何风险？
由于该策略很多基础数据需要详细查看，因此难以寻找完全符合全面要求的优质个股。当仅有的选股对象有限的时候，这种策略的选股弹性越来越小，同时基本面风险和市场风险也不能完全忽略。
如何优化？
可以加入其他的基本面因素，如财务情况等，以更全面地评估个股的市场情况和投资价值。同时，要根据不同的行业或个股结构，更灵活地选择集中度以及企业规模的条件。
最终的选股逻辑
选取MACD值在零轴以上、企业集中度小于20%、企业规模在2亿以上的个股作为投资标的。
同花顺指标公式代码参考
MACD>0 AND CAPITALIZATION>=2e8 AND CONCENTRATION_RATIO<=0.2
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.capitalization >=2e8).filter(jq.valuation.concentration_ratio <=0.2)
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', 'capitalization', 'close', 'concentration_ratio']]
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]['capitalization'] >= 2e8 and df_valuation.iloc[0]['concentration_ratio'] <= 0.2:
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。
