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，归属母公司股东的净利润（同比增长率）大于20%小于等于100%，并且MACD零轴以上。
选股逻辑分析
该选股策略主要选取了换手率、归属母公司股东的净利润、MACD等多项技术指标作为基础条件。其中，换手率是隐含着市场的活跃度，如果一个股票的成交量一直在处在一定的水平，表明市场比较关注这只股票；归属母公司股东的净利润同比增长率是筛选质量优秀股票的主要指标之一，而MACD作为一种常见的技术指标，可以帮助投资者追踪股票价格的趋势。
有何风险？
该选股策略忽略了其他重要的指标，如市盈率、市净率等，可能会漏选出一些具有投资价值的股票。加上MACD作为一种常见的技术指标，其自身的局限性在弱市行情下弱化。
如何优化？
可以结合其他技术指标和基本面等多维度筛选股票，比如增加市盈率、市净率等指标，使选股更具有综合性。另外，在MACD指标的应用上可以加入其他的判断条件，考虑选取MACD快慢线交叉的股票（如金叉），来避免MACD的局限性。
最终的选股逻辑
在股票市场中，选择换手率在3%-12%之间，归属母公司股东的净利润（同比增长率）大于20%小于等于100%，同时MACD零轴以上。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_NATUREDAY_RANGE_HH(10); // 配置指标参数
/* 选取换手率在3%-12%之间的股票 */
CONDITION0 = HSL>=3 AND HSL<=12;
/* 选取归属母公司股东净利润（同比增长率）大于20%小于等于100% */
CONDITION1 = ZLRTB20>=20 AND ZLRTB20<=100 ;
/* 选取MACD零轴以上的股票 */
CONDITION2 = JDDIRECT>0;
/* 组合选股条件 */
LAST_CONDITION =CONDITION0 AND CONDITION1 AND CONDITION2 AND LAST_CONDITION;
CODE_LIST=SELECT_BY_KIND('stock',last_condition);
python代码参考
import baostock as bs
import pandas as pd
import talib
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 = []
while rs.next():
stock_code = rs.get_row_data()[0]
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,amount,k",
start_date=(datetime.now()-timedelta(days=30)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data.error_code == '0' and len(k_data.data)>=30:
check_point1 = (k_data.data[-1][5]/10000) >= 3 and (k_data.data[-1][5]/10000) <= 12
data_profit = bs.query_profit_data(stock_code, year=2021, quarter=1)
if data_profit.error_code == '0' and len(data_profit.data)>0:
check_point2 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
k_close = [x[4] for x in k_data.data]
macd, signal, hist = talib.MACD(k_close, fastperiod=12, slowperiod=26, signalperiod=9)
check_point3 = macd[-1] > 0
if check_point1 and check_point2 and check_point3:
stock_list.append(stock_code)
df = pd.DataFrame(stock_list)
df_rank = df.sort_values(by="capital", ascending=False)
print(df_rank)
##### 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。
