问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、饮料酒进出口、MACD零轴以上的股票。
选股逻辑分析
该选股策略在行业进行了约束，考虑了MACD的影响，以及价格相对于过去一段时间内的换手率，来衡量当前是否被低估。通过选择较低的换手率阈值和MACD零轴以上，该策略可能会找到被低估的股票。
有何风险？
MACD指标可以波动较大，可能在高于0的情况下仍然会出现持续的下降，因此，有时筛选到的股票可能并不会持续增长。
如何优化？
增加一些基本面因素来进一步筛选，例如公司的盈利、竞争力等，以降低MACD指标的风险。
最终的选股逻辑
选择换手率在3%-12%、饮料酒进出口、MACD零轴以上的股票。
同花顺指标公式代码参考
换手率在3%-12%：TURN<N>=AVG(TURN, N) AND TURN<N+1>AVG(TURN, N+1) AND TURN<N>3 AND TURN<N<12
饮料酒进出口：SELECT_SECTORCOUNT('K43')>0
MACD零轴以上：CROSS(MACD(12,26), 0)
选股：SELECT(CODE, 换手率3%-12% AND SELECT_SECTORCOUNT('K43')>0 AND CROSS(MACD(12,26), 0), NOT ST)
python代码参考
import pandas as pd
import tushare as ts
import talib
def select_stocks():
pro = ts.pro_api()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code,turnover_rate,industry,name')
df = df[df['industry'].str.contains('饮料') & df['industry'].str.contains('酒')]
df['macd'], _, _ = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df = df[df['turnover_rate'].between(3, 12) & (df['macd'] > 0)]
return pd.DataFrame({'code': df['ts_code'].str.split(".", expand=True)[0]})
## 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。
