问财量化选股策略逻辑
选股逻辑为：在换手率在3%~12%之间、买一量大于卖一量、日线的MACD柱大于0的股票中选取股票。
选股逻辑分析
该选股策略综合考虑了股票的流动性、市场情绪以及技术面因素。流动性方面选取了换手率在3%~12%之间、买一量大于卖一量的股票；市场情绪方面选取了日线MACD柱大于0的股票；技术面方面则综合了MACD指标的多个参数的综合表现。
有何风险？
该选股策略可能会忽略重要的基本面因素，使得选出来的股票可能存在财务风险，也可能会忽略市场的整体趋势，从而导致选股结果的不准确性。
如何优化？
应该加入基本面因素，如PE、PB等，来筛选出财务状况良好的股票。同时，应该关注市场整体趋势和板块热点，动态调整选股策略，降低选股风险。
最终的选股逻辑
在换手率在3%~12%之间、买一量大于卖一量、日线的MACD柱大于0的股票中选取股票。
同花顺指标公式代码参考
通达信公式：MACD(12,26,9)
python代码参考
import baostock as bs
import pandas as pd
#### 登陆系统 ####
lg = bs.login()
#### 获取满足条件的股票 ####
rs = bs.query_stock_basic()
stock_list = []
while (rs.error_code == '0') & rs.next():
stock_code = rs.get_row_data()[0]
# 查询日K线数据
rs_k = bs.query_history_k_data_plus(stock_code, 'date,close,macd,macdh', start_date='2022-01-01', end_date='2022-06-30', frequency='d', adjustflag='3')
while (rs_k.error_code == '0') & rs_k.next():
if float(rs_k.get_row_data()[3]) > 0:
stock_list.append(stock_code)
break
# 选出换手率在3%~12%之间，买一量大于卖一量的股票
rs_lt = bs.query_history_k_data_plus(','.join(stock_list), 'date,close,turn,amount_ratio', start_date='2022-06-27', end_date='2022-06-30', frequency='d', adjustflag='3')
selected_stock = []
while (rs_lt.error_code == '0') & rs_lt.next():
turn = float(rs_lt.get_row_data()[2])
buy_vol = float(rs_lt.get_row_data()[3])
sell_vol = float(rs_lt.get_row_data()[3]) / turn
if (3 <= turn <= 12) and (buy_vol > sell_vol):
selected_stock.append(rs_lt.get_row_data()[0])
# 转换成DataFrame格式并输出结果
df = pd.DataFrame(selected_stock, columns=['stock_code'])
print(df)
#### 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。
