问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%之间、今日上涨幅度大于1%（比较同板块的股票涨幅）、非科创板的主板股票，且15分钟周期MACD的绿柱变短。
选股逻辑分析
在原有逻辑基础上，加入了技术指标MACD作为判断因素，判断绿柱是否变短。这可以辅助判断股票是否处于短期下跌趋势，从而降低选股风险。
有何风险？
MACD指标并非完全可靠的技术指标，选股过程中依赖某一指标可能带来误判，同时采用日内15分钟的MACD指标，可能对波动剧烈的股票产生偏离。
如何优化？
可以加入更多技术指标，如KD、RSI等，或者加入基本面数据，如市净率、市盈率等，多方面综合判断。同时，可以使用更长周期的MACD指标进行判断，减少短期波动对选股结果的影响。
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%（比较同板块的股票涨幅）、非科创板的主板股票，且15分钟周期MACD的绿柱变短。
同花顺指标公式代码参考
SET_GROUP(1);
SET_SORT_RULE(ASCENDING);
SET_CHINESE_CHARSET("gbk");
/* 一般的选股公式，与选股策略逻辑一致 */
LAST_POINT = HSL >= 3.0 AND HSL <= 12.0 AND ZT > 1 AND GZBMEX <> 0 AND GZBMEX <> 1;
/* 在此基础上，添加MACD判断因素 */
/* 获取15分钟周期的MACD数据 */
SET_TIME_RANGE(15);
MACD_DIF, MACD_DEA, MACD_MACD = MACD();
/* 判断绿柱变短 */
LAST_POINT = LAST_POINT AND MACD_DEA < MACD_DIF AND REF(MACD_DEA, 1) > REF(MACD_DIF, 1);
/* 对结果排序，并获取前10只股票 */
SET_SORT_RULE(DESCENDING);
N1=10;
LAST_SORT(LAST_POINT, N1);
D1=FETCH(LAST_POINT, TCZQDL, N1);
SELECT(security_code, TCZQDL, D1);
python代码参考
import baostock as bs
import pandas as pd
from datetime import datetime, timedelta
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 #####
rs = bs.query_all_stock(day=datetime.now().strftime("%Y-%m-%d"))
stock_list = []
for code in rs.get_row_data():
if not code.startswith('sh.') and not code.startswith('sz.'):
continue
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
if code.startswith('sh.110') or code.startswith('sz.110'):
continue
# 标志位，标识是否为科创板
flag = True
if code.startswith('sh.688') or code.startswith('sz.300'):
flag = False
# 换手率 3%-12%
k_data = bs.query_history_k_data_plus(
code, "date,open,high,low,close,volume",
start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"),
end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data.error_code == '0' and len(k_data.data)>0:
check_point1 = k_data.data[0][5]>=3 and k_data.data[0][5]<=12
else:
continue
# 今日涨幅 > 1%
index_rs = bs.query_history_k_data_plus('sh.000001', 'close', start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency='d')
if index_rs.error_code == '0' and len(index_rs.data)>0:
index_close = float(index_rs.data[0][0])
else:
continue
k_data_compare = bs.query_history_k_data_plus(code, "date,close", start_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"), frequency="d")
if k_data_compare.error_code == '0' and len(k_data_compare.data)>0:
check_point2 = k_data_compare.data[0][1]/index_close-1 > 0.01
else:
continue
# 15分钟周期MACD的绿柱变短
MACD_rs = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume",
frequency="15",
start_date=(datetime.now()-timedelta(days=2)).strftime("%Y-%m-%d"),
end_date=(datetime.now()-timedelta(days=1)).strftime("%Y-%m-%d"))
if MACD_rs.error_code == '0' and len(MACD_rs.data)>0:
MACD_data = pd.DataFrame(MACD_rs.data, columns=MACD_rs.fields)
MACD_diff, MACD_dea, MACD_bar = talib.MACD(MACD_data['close'].apply(float), fastperiod=12, slowperiod=26, signalperiod=9)
check_point3 = MACD_dea.iloc[-1] < MACD_diff.iloc[-1] and MACD_dea.iloc[-2] > MACD_diff.iloc[-2]
else:
continue
if check_point1 and check_point2 and flag and check_point3:
data_list = []
data_list.append(code)
stock_list.append(data_list)
df = pd.DataFrame(stock_list, columns=['code'])
df_length = len(df)
if df_length > 0:
print(df.head(5))
##### 登出系统 #####
bs.logout()
## 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。
