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%以及三个技术指标（如MACD、KDJ等）同时出现金叉的股票。
选股逻辑分析
该选股策略综合考虑了股票的市场流通性、基本面情况和技术面指标，同时要求三个技术指标同时出现金叉，更符合趋势投资策略。
有何风险？
该选股策略还是过于简单化了选股逻辑，并且过度依赖技术面指标，对行业和公司财务数据的忽略可能会导致风险的增加。
如何优化？
可以结合其他技术面和基本面指标进行综合分析选股，加强数据支持和信息收集，同时也要注意技术指标的有效性和实用性。
最终的选股逻辑
在满足换手率在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%以及多个技术指标同时出现金叉的条件下，选取具有投资潜力的股票。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_MEM_LINE(0,2,3,4); // 记录选股结果
SET_SORT_RULE(1); // 按资金强度由大到小排序
SET_SORT_ASC(0); // 倒序排列
SET_COMMENT(["MACD金叉","KDJ金叉"]); // 设置备注
SET_NATUREDAY_RANGE_MAX10(30); // 配置指标参数
/* 选取换手率在3%-12%之间 */
CONDITION1 = 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% */
CONDITION2 = ZLRTB20 >= 20 AND ZLRTB20 <= 100;
/* MACD金叉 */
CONDITION3 = CROSS(MACD(12,26,9), MACD(12,26,9,2));
/* KDJ金叉 */
CONDITION4 = CROSSED(KDJ(9,3,3), KDJ(9,3,3).D) AND J > 20;
/* 组合选股条件 */
LAST_CONDITION = LAST_CONDITION AND CONDITION1 AND CONDITION2 AND CONDITION3 AND CONDITION4;
CODE_LIST=SELECT_BY_KIND('stock', last_condition);
python代码参考
import baostock as bs
import talib
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 = []
while rs.next():
stock_code = rs.get_row_data()[0]
if stock_code.startswith('sh.688') or stock_code.startswith('sz.300'):
continue
k_data = bs.query_history_k_data(stock_code, "date,open,high,low,close,volume,tradestatus,pctChg",
start_date=(datetime.now()-timedelta(days=250)).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)>=250:
check_point1 = k_data.data[-1][5] >= 3 and k_data.data[-1][5] <= 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
else:
continue
k_data_macd = bs.query_history_k_data_plus(stock_code, "date,close",
start_date=(datetime.now()-timedelta(days=20)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data_macd.error_code == '0' and len(k_data_macd.data)>0:
macd, macdsignal, macdhist = talib.MACD(k_data_macd.data[-20:]['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
check_point3 = macd[-1] > macdsignal[-1]
else:
continue
k_data_kdj = bs.query_history_k_data_plus(stock_code, "date,high,low,close",
start_date=(datetime.now()-timedelta(days=20)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="d", adjustflag="2")
if k_data_kdj.error_code == '0' and len(k_data_kdj.data)>0:
kdj_k, kdj_d = talib.STOCH(k_data_kdj.data[-20:]['high'].values,
k_data_kdj.data[-20:]['low'].values,
k_data_kdj.data[-20:]['close'].values,
fastk_period=9, slowk_period=3, slowd_period=3)
check_point4 = kdj_k[-1] > kdj_d[-1] and kdj_k[-2] <= kdj_d[-2] and kdj_k[-1] > 20
else:
continue
if check_point1 and check_point2 and check_point3 and check_point4:
stock_list.append(stock_code)
df = pd.DataFrame(stock_list, columns=['code'])
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。
