问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质和近25个交易日中有单日涨幅大于等于百分之10的个股作为投资标的。该策略主要选取具有良好的技术走势和基本面，并通过单日涨幅来寻找具备较大涨幅预期的股票，以期获得更大的收益。
选股逻辑分析
选股逻辑包括MACD值在零轴以上、企业性质和近25个交易日中有单日涨幅大于等于百分之10。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。而单日涨幅大于等于百分之10则表明该股具备较大涨幅预期。通过以上逻辑，选取具有强劲走势潜力和较大涨幅预期的股票。
有何风险？
由于该策略只将目光限定于MACD值在零轴以上、企业性质和近25个交易日中有单日涨幅大于等于百分之10，可能会错过其他行业的优异表现和其他技术面表现出的机会。同时，单一涨幅并不一定代表股价将跟随涨幅，过于追涨也存在风险。市场风险依然存在。
如何优化？
可以将选股逻辑增加其他技术面指标或基本面指标，如MA指标、市盈率、市净率、ROE等指标。同时，要结合其他市场因素，如行业、政策等进行分析和权衡。对于单日涨幅的设置，可以适当进行动态调整来更加准确地把握涨幅预期。
最终的选股逻辑
选取MACD值在零轴以上、企业性质和近25个交易日中有单日涨幅大于等于百分之10的个股作为投资标的，可以适当加入其他技术面和基本面指标来进行更准确的选股决策。同时要根据市场情况和其他因素对逻辑进行动态调整。
同花顺指标公式代码参考
RETURN(MACD>0 AND INSTR(CONCEPT, '食品饮料') AND ANY(SELECT COUNT(DISTINCT date) FROM PRICE_STATS WHERE CODE=STOCK_CODE AND delta_pct>=0.1 AND date>=ref_date(date, -25))==25)
其中，MACD代表移动平均线指标，CONCEPT代表概念板块，PRICE_STATS代表价格统计数据，delta_pct代表单日涨幅，ANY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_SHAREHOLDER_FLOATING_TOP10.code, jq.finance.STK_SHAREHOLDER_FLOATING_TOP10.share_ratio).filter(jq.finance.STK_SHAREHOLDER_FLOATING_TOP10.date == '今日', jq.finance.STK_SHAREHOLDER_FLOATING_TOP10.code != None)
df_shareholder = jq.get_fundamentals(q)
q = jq.query(jq.finance.STK_LIST_INFO).filter(jq.finance.STK_LIST_INFO.code != None)
df_list_info = jq.get_fundamentals(q, count=500)
q = jq.query(jq.valuation).filter(jq.valuation.code != None)
df_valuation = jq.get_fundamentals(q, count=500)
df_price_stats = pd.DataFrame()
for code in df_valuation.index:
df_temp = jq.get_price_stats(code, start_date='today', end_date='today', count=25)
if df_temp is None or not df_temp['delta_pct'].ge(0.1).all():
continue
df_temp['code'] = code
df_price_stats = df_price_stats.append(df_temp)
df_macd, _, _ = talib.MACD(df_price_stats['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
df_result = pd.DataFrame()
for code in df_valuation.index:
if not df_price_stats['code'].eq(code).any():
continue
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['roe'] > 10) & (df_shareholder['share_ratio'] > 21)]
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。
