问财量化选股策略逻辑
选股逻辑：选择换手率在3%-12%之间、今日上涨幅度大于1%的主板股票，并且其前天的MACD值小于0。
选股逻辑分析
该选股逻辑结合了技术面和市场热度指标，选出了换手率在3%-12%之间的具有上涨势头和持续热度的股票，同时加入了MACD指标，可有效挖掘股票价格变化背后的趋势与规律。
有何风险？
该选股逻辑仍未考虑包括基本面指标，可能会忽略公司质量等基本面风险。同时，选股逻辑过于依赖技术面指标，可能忽略了市场行情、基本面分析、政策因素等影响股价波动的因素。因此需要跟进更多的市场指标，以便更好地选出有潜力的股票。
如何优化？
可以加入基本面指标和财务数据的筛选，以寻找质量更好的股票。同时，需要考虑市场行情、政策因素等因素，加强对股票波动因素的控制。 进一步优化，可以考虑增加风险控制指标，如选股时加入市场波动率值，以帮助评估市场风险和股票风险。
最终的选股逻辑
选择换手率在3%-12%之间、今日上涨幅度大于1%的主板股票，并且其前天的MACD值小于0。
同花顺指标公式代码参考
C1: (MARKET == 'SH' OR MARKET == 'SZ'); // A股市场
C2: VOLUME > 0 AND TURNOVER >= 3 AND TURNOVER <= 12; // 满足换手率条件
C3: (REF(CLOSE,1) - CLOSE) / REF(CLOSE,1) < 0.01; // 今日股价上涨幅度大于1%
C4: (REF(MACD,2) < 0) AND (MACD > 0); // 前天MACD值小于0
SELECTED: C1 AND C2 AND C3 AND C4;
// 显示选中股票的名称和代码
LIST_NAMECODE;
python代码参考
import numpy as np
import pandas as pd
from typing import List
def select_stock(data: pd.DataFrame) -> List[str]:
"""
data: 股票历史行情数据，需包含价格、换手率、涨跌幅、MACD等数据
return: 选出的股票代码列表
"""
selected_stocks = []
for code, df in data.groupby(level=0):
df = df.sort_values('trade_date', ascending=True)
if ('SH' in code) and ('ST' not in code) and \
(df['turnover_rate'].between(3, 12, inclusive=True).iloc[-1]) and (df['pct_chg'].iloc[-1] > 1) and \
(df['macd'].iloc[-3] < 0) and (df['macd'].iloc[-1] > 0):
selected_stocks.append(code)
return selected_stocks
其中 data 数据需包含的列为：ts_code（股票代码）、trade_date（交易日期）、turnover_rate（换手率）、pct_chg（涨跌幅）、macd（MACD指标）等选股指标数据。
## 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。
