问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、市值100亿以内、无亏损企业的A股中，寻找DEA上涨的股票进行排序。
选股逻辑分析
DEA是MACD指标中的一条线，它是平滑移动平均线的9日线。DEA上涨说明股票处于上升趋势中，在选股中加入该指标可以加强对股票趋势的判断。
有何风险？
DEA上涨只反映了股票近期的走势，不能代表长期趋势的变化，因此需要综合考虑其它因素。同时，企业的盈利和基本面指标并不一定能够转化为股票表现。
如何优化？
除了DEA指标之外，可以加入更多的技术指标和基本面指标，综合考虑各个因素，提高选股的准确性。
最终的选股逻辑
在符合换手率3%-12%、市值100亿以内且无亏损企业的A股中，综合考虑多种因素进行排序。
同花顺指标公式代码参考
选股公式：
CIRCMV<10000000000 AND TURNRATE>=3 AND TURNRATE<=12 AND (REF(EPS, 1) + REF(EPS, 2) + EPS) / 3 > 0 AND (MACD.DIF > MACD.DEA) ORDER BY (MACD.DIF / MACD.DEA) DESC
Python代码参考
import pandas as pd
import tushare as ts
import talib as ta
# 获取符合条件的股票
def get_good_stocks():
good_list = []
ts.set_token('your_token')
pro = ts.pro_api()
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code')['ts_code']
for ts_code in stock_list:
if pro.namechange(ts_code=ts_code) and pro.namechange(ts_code=ts_code)['name'].iloc[0].find('ST') >= 0: # 筛选非ST股票
continue
# 筛选符合条件的股票
daily_data = pro.daily(ts_code=ts_code, start_date='20220223', end_date='20220223')
if daily_data.empty or daily_data.iloc[-1]['turnover_rate'] < 0.03 or daily_data.iloc[-1]['turnover_rate'] > 0.12:
continue
market_data = pro.daily_basic(ts_code=ts_code, start_date='20220223', end_date='20220223', fields='circ_mv')
if market_data.empty or market_data.iloc[-1]['circ_mv'] / 100000000 > 100:
continue
macd_data = pro.index_daily(ts_code=ts_code, start_date='20220223', end_date='20220223', ma=[5, 10])
if macd_data.empty or ta.MACD(macd_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)[2].iloc[-1] < ta.MACD(macd_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)[3].iloc[-1]:
continue
company_data = pro.fina_indicator(ts_code=ts_code, start_date='20180101', end_date='20211231', fields='eps')
if company_data.empty or company_data.iloc[-1]['eps'] <= 0 or (company_data.iloc[-1]['eps'] + company_data.iloc[-2]['eps'] + company_data.iloc[-3]['eps']) / 3 <= 0:
continue
good_list.append(ts_code)
# 根据DEA指标排序
sorted_data = pro.index_daily(ts_code=','.join(good_list), start_date='20220223', end_date='20220223', ma=[5, 10])
sorted_data = sorted_data.groupby('ts_code').apply(lambda x: ta.MACD(x['close'], fastperiod=12, slowperiod=26, signalperiod=9)[2].iloc[-1])
sorted_data = sorted_data[sorted_data > 0].sort_values(ascending=False)
good_list = sorted_data.index.tolist()
return good_list
good_stocks = get_good_stocks()
print(good_stocks)
## 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。
