问财量化选股策略逻辑
选股逻辑为：选择换手率在3%-12%、买一量大于卖一量且MACD零轴以上的股票。
选股逻辑分析
该选股逻辑综合考虑了股票交易量、价格买卖盘情况以及技术指标MACD等因素，以获得长期稳定的投资收益。选股逻辑中换手率在3%-12%，可以减少波动性风险，即选定的股票不过于波动，而买卖量条件可以保证所选择的股票有足够的流动性。同时，加入MACD指标的条件可对股票趋势进行更好的判断，增加选股准确性。
有何风险？
该选股逻辑在风险控制方面主要集中于波动性风险控制，而市场的不确定性和政策风险等因素则未被考虑进去，需要投资者在操作过程中结合实际情况进行把控并进行风险控制。
如何优化？
可以增加其他技术指标如KDJ、RSI等进行判断，并在选股当中加入一些行业的板块分类，以提高选股准确性。
最终的选股逻辑
选择换手率在3%-12%、买一量大于卖一量且MACD零轴以上的股票。
同花顺指标公式代码参考
买一量大于卖一量：SELECT(BIDV1>ASKV1)
换手率在3%-12%：SELECT(TURN<N>AVG(TURN,N) AND TURN<N>3 AND TURN<N<12)
MACD零轴以上：SELECT(MACD(12,26,9)>0 AND DIF>DEA)
选股：SELECT(CODE AND 买一量大于卖一量 AND 换手率在3%-12% AND MACD零轴以上)
python代码参考
import pandas as pd
import tushare as ts
def select_stocks():
pro = ts.pro_api()
# 查询挂买一量大于卖一量的股票
market_df = pro.market_detail(symbol='', trade_date='20220322')
df1 = market_df[(market_df['bid_vol'] > market_df['ask_vol'])]
# 查询换手率在3%-12%的股票
daily_df = pro.daily(ts_code='', start_date='20220322', end_date='20220322', fields='ts_code,turnover_rate')
df2 = daily_df[(daily_df['turnover_rate'] >= 3) & (daily_df['turnover_rate'] <= 12)]
df1 = pd.merge(df1, df2[['ts_code']], on='ts_code')
# 查询MACD指标
macd_df = ts.pro_bar(ts_code='', adj='hfq', start_date='20220322', end_date='20220322', ma=[12,26,9],
factors=['tor', 'vr', 'macd'])
macd_df = macd_df[(macd_df['macd'] > 0) & (macd_df['dif'] > macd_df['dea'])]
df1 = pd.merge(df1, macd_df[['ts_code']], on='ts_code')
return df1['ts_code']
## 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。
