问财量化选股策略逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元、收盘价大于昨日的最低价的股票。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑同样考虑了技术面和基本面因素。MACD 反映了技术面的情况，同时限定了股票价格和收盘价。收盘价大于昨日最低价则可能表明股票正在反弹或者出现上涨趋势，有一定的技术面和走势面基础。
有何风险？
- 选取价格低廉的股票可能存在经营不佳、质量较差等基本面风险。
- 忽略了基本面因素的考虑，如市盈率、市净率等。
- 只考虑了近期的股票走势，可能会受到短期市场波动的影响。
如何优化？
- 增加基本面因素考虑的情况，如市盈率、市净率等。
- 对收盘价大于昨日最低价的条件进行定量分析和筛选，以更为精确地选取出表现良好的股票。
- 考虑增加其他技术面指标的考虑，如成交量、RSI 等，以全面综合股票走势。
最终的选股逻辑
综合考虑了 MACD 零轴以上、价格小于 12 元、收盘价大于昨日最低价等多个指标因素，同时关注基本面情况和技术面指标，从而选取出表现较好、风险相对较小的股票。
同花顺指标公式代码参考
以下是 KDJ 的同花顺指标公式：
MACD:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG),COLORRED;
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
其中 SHORT = 12，LONG = 26，M = 9。
python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import akshare as ak
import talib
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="D") # 获取股票日 K 线数据
close_price = data_stock_price["close"].tolist()
low_price_yesterday = data_stock_price["low"].tolist()[-2]
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
data_stock_quote = ak.stock_zh_a_quote(symbol="sh601988") # 获取股票实时行情数据
chg = data_stock_quote['涨跌幅'].iloc[-1] # 获取涨幅
if macd[-1] > 0 and data_stock_quote["现价"].iloc[-1] < 12 and close_price[-1] > low_price_yesterday:
filtered = data_stock_info.loc[
(data_stock_info["type"] == "主板")
# 其他条件
]
result = filtered[["代码", "名称"]] # 最终选股结果
注意，由于数据在运行时需要更新，因此具体代码需要实际情况调整。同时需要根据实际情况查询对应的 AKShare 数据接口。
## 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。
