问财量化选股策略逻辑
选股逻辑为： 在换手率为3%-12%、10日涨幅大于0小于35且15分钟周期MACD绿柱变短的条件下，选股。
选股逻辑分析
该选股策略除了考虑股票的基本面、趋势性和活跃度之外，还引入了技术面指标MACD来进行选股，即在MACD绿柱线变短的时候买入股票。相比于只考虑基本面和趋势性的方法，此策略可进一步提高选股的精度。
有何风险？
该选股策略的风险在于，盲目依赖技术面指标可能会导致误判，尤其是在市场快速变动的情况下。同时，技术面指标的计算复杂，易出现指标滞后性的问题，需要加强对技术面指标的理解和分析。
如何优化？
要加强对技术面指标MACD的理解和分析，避免盲目依赖技术指标带来的误判。要在技术面指标的基础上，结合基本面和趋势性等指标，全面评估股票的投资价值。在风险管控上，要加强市场风险控制，定期评估和优化选股策略。
最终的选股逻辑
在换手率为3%-12%、10日涨幅大于0小于35且15分钟周期MACD绿柱线变短的条件下进行选股。要加强对技术面指标MACD的理解和分析，并结合其他基本面和趋势性指标，全面评估股票的投资价值。在风险管控上，加强市场风险控制，定期评估和优化选股策略。
同花顺指标公式代码参考
选股公式：
(TURNOVER>0.03 AND TURNOVER<0.12 AND INCREASE>0 AND INCREASE<0.35 AND REF(MACD(12,26,9), 1) > MACD(12,26,9) AND MACD(12,26,9) < MACD(12,26,9)[1])
其中INCREASE表示10日涨幅，TURNOVER表示换手率，MACD表示指数平滑移动平均线，REF表示把当前值移到前一周期去计算。
Python代码参考
import pandas as pd
import tushare as ts
import talib
# 获取符合条件的股票列表
def get_good_stocks(pro):
good_list = []
short_timeperiod = 15
# 调用Tushare接口获取所有股票数据
data = pro.stock_basic(exchange='', list_status='L')
# 匹配满足条件的股票
for i in range(len(data)):
ts_code = data.iloc[i]['ts_code']
if ts_code[:2] != '60' and ts_code[:3] != '688':
daily_info = pro.daily(ts_code=ts_code, start_date='20210901', end_date='20211022')
if daily_info[daily_info['pct_chg'] == 10].shape[0] == 0:
turnover_ratio = daily_info[daily_info['turnover_rate'] > 0]['turnover_rate'].mean()
increase_rate = (daily_info.iloc[-1]['close'] / daily_info.iloc[0]['close']) - 1
# 判断MACD指标是否符合要求
macd, macdsignal, macdhist = talib.MACD(daily_info['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-2] > macdsignal[-2] and macd[-1] < macdsignal[-1] and macdhist[-1] < macdhist[-2]:
good_list.append(ts_code)
return good_list
# 获取所有符合条件的股票
token = "your token"
pro = ts.pro_api(token)
good_stocks = get_good_stocks(pro)
# 计算符合条件的股票的市值和涨幅
result = []
for stock_code in good_stocks:
daily_data = pro.daily(ts_code=stock_code, start_date='20211022', end_date='20211022')
result.append([stock_code, daily_data.iloc[-1]['market_cap'], (daily_data.iloc[-1]['close'] / daily_data.iloc[0]['close']) - 1])
# 排序，输出结果
df = pd.DataFrame(result, columns=['stock_code', 'market_cap', 'increase_rate'])
df = df.sort_values(by='increase_rate', ascending=False)
print(df.head(10))
## 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。
