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%、周线MACD在零轴之上的股票。
选股逻辑分析
该选股策略在基本面的选择上加入了对技术面的判断，通过选择MACD在零轴之上的股票，可以挖掘出股票的长期趋势，结合基本面因素选股，可以减少短期操作风险。
有何风险？
该选股策略忽视了市场的宏观趋势和行业因素，过度依赖技术面，可能会出现选股与市场波动不一致的情况。同时，只选取单一的技术指标容易受到一些突发事件和股价波动的影响，选股信号可能会失真。
如何优化？
可以将技术面因素与其他因素综合考虑，例如市场趋势、行业发展、公司基本面等，构建更加全面、稳健的选股策略，并及时调整选股因子，避免出现因市场变化快、指标失效等情况导致的选错股票的情况。
最终的选股逻辑
选择换手率在3%-12%之间、归属母公司股东净利润（同比增长率）大于20%小于等于100%、周线MACD在零轴之上的股票（前5名）。
同花顺指标公式代码参考
SET_CHINESE_CHARSET("UTF-8"); // 设置编码
SET_MEM_LINE(0,1,2,3,4); // 记录选股结果
SET_SORT_RULE(1); // 按市值从大到小排序
SET_SORT_ASC(0); // 降序排列
/* 剔除创业板股票 */
CONDITION1 = CODE NOT LIKE 'sz.300%';
/* 选取MACD在零轴之上的股票 */
CONDITION2 = (MACD_GT(CONVERTDECIMAL((EMA(CLOSE,12) - EMA(CLOSE,26)), 2)) AND MACD_GT(CONVERTDECIMAL(SMA((EMA(CLOSE,12)-EMA(CLOSE,26)),9,1), 2)));
/* 选取换手率在3%-12%之间 */
CONDITION3 = 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% */
CONDITION4 = ZLRTB20 >= 20 AND ZLRTB20 <= 100;
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 = []
for i in range(2):
if i == 0:
time_str = (datetime.now()-timedelta(days=7)).strftime("%Y-%m-%d")
else:
time_str = datetime.now().strftime("%Y-%m-%d")
for code in rs.get_row_data():
if code.startswith('sh.688') or code.startswith('sz.300'):
continue
data_profit = bs.query_profit_data(code, year=2021, quarter=1)
if data_profit.error_code == '0' and len(data_profit.data)>0:
check_point1 = data_profit.data[0][16] >= 20 and data_profit.data[0][16] <= 100
else:
continue
k_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume",
start_date=(datetime.now()-timedelta(days=365)).strftime("%Y-%m-%d"),
end_date=datetime.now().strftime("%Y-%m-%d"),
frequency="w", adjustflag="2")
if k_data.error_code == '0' and len(k_data.data)>=24:
macd, macdsignal, macdhist = talib.MACD(k_data.get_data()['close'])
check_point2 = macd[-1] > 0
if check_point1 and check_point2 :
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.sort_values(by='code').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。
