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%，并且在15分钟周期内MACD绿柱变短的股票。
选股逻辑分析
该选股策略在基础选股条件的基础上，增加了技术指标的判断条件，使用MACD技术指标来辅助选股。通过该策略可以选择相对稳健的股票，并使用技术分析来提高选取的准确度。该策略适合中短期持有股票，较安全的盈利。
有何风险？
该选股策略对股票短期走势的判断比较敏感，存在短期波动和涨跌波动的风险，需要及时根据市场变化优化策略并进行风险控制。同时，MACD指标也存在滞后性和局限性，需要结合其他指标来进行综合分析，提高选股的准确度。
如何优化？
可以选取更长期的数据进行分析，延长选股周期，结合其他技术指标，如RSI、KDJ等进行综合比较，提高选股的准确度。同时，需要针对不同市场情况进行策略调整和风险控制，降低短期波动和涨跌风险，提高选股策略的稳定性。
最终的选股逻辑
以股票历史价格走势为基础，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%，且15分钟周期MACD绿柱变短。
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MACD绿柱变短的股票 */
CONDITION1 = MACD1>=MACD2 AND C>=REF(C,1) AND REF(C,1)>=REF(C,2) AND REF(C,2)>=REF(C,3);
CONDITION2 = MACD1<=REF(MACD1,1) AND REF(MACD1,1)>=REF(MACD1,2);
CONDITION3 = DIF>=0 AND DIF<=REF(DIF,1) AND REF(DIF,1)>=REF(DIF,2);
CONDITION4 = DEA>=0 AND DEA<=REF(DEA,1) AND REF(DEA,1)>=REF(DEA,2);
LAST_CONDITION =CONDITION1 AND CONDITION2 AND CONDITION3 AND CONDITION4 AND LAST_CONDITION;
/* 选取非科创板的股票 */
KCB = SELECT_SECCODEINFO('001001','B');
BSXG = SELECT_SECCODEINFO('009","B'); // 选择科创板
CONDITION0 = NOT(KCB) AND NOT(BSXG);
/* 选取换手率在3%-12%之间的股票 */
CONDITION5 = 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% */
CONDITION6 = ZLRTB20>=20 AND ZLRTB20<=100 ;
/* 组合选股条件 */
LAST_CONDITION =CONDITION0 AND CONDITION5 AND CONDITION6 AND LAST_CONDITION;
CODE_LIST=SELECT_BY_KIND('stock',last_condition);
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 = []
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,amount,k",
start_date=(datetime.now()-timedelta(days=60)).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)>=60:
check_point1 = (k_data.data[-1][5]/10000) >= 3 and (k_data.data[-1][5]/10000) <= 12
macd_data = bs.query_history_k_data(stock_code, "date,MACD,DIF,DEA,mid",
start_date=datetime.now().strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="15")
if macd_data.error_code == '0' and len(macd_data.data)>0:
# 确认绿柱变短
macd_list = [[float(j) for j in i[1:]] for i in macd_data.data]
macd_df = pd.DataFrame(macd_list, columns=["MACD", "DIF", "DEA", "MID"])
check_point2 = macd_df.iloc[-1]["MACD"] < macd_df.iloc[-2]["MACD"] and macd_df.iloc[-2]["MACD"] < macd_df.iloc[-3]["MACD"]
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_point3 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
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。
