问财量化选股策略逻辑
该选股策略选股逻辑为：选择换手率在3%-12%、上市年份为2021年、周线红柱的股票。
选股逻辑分析
该选股策略在原来的基础上，新增了周线红柱这个指标。周线红柱指在周线KDJ指标中，K线和D线都在50以上，并且K线比前一周的值大，股票的周线处于一个向上趋势中，此时如果MACD指标的柱子是红色的，反映出股票有上涨的动能。这个指标可以反映出股票的动能和趋势，对于判断股票的后续上涨空间有重要的参考价值。
有何风险？
该选股策略存在以下风险：1、周线红柱指标的判断可能会受到市场情况的影响；2、较强的周线红柱指标并不代表股票就一定会涨，还需要综合考虑其他指标的影响。
如何优化？
可以加入其他复合指标，如市净率、股息率等，以辅助选股策略的判断和评估。同时可以在周线红柱指标上加入动态变化的部分，如MA线、斜率等指标，以适应不同市场变化。
最终的选股逻辑
选择换手率在3%-12%、上市年份为2021年、周线红柱的股票。
同花顺指标公式代码参考
选出换手率在3%-12%、上市年份为2021年、周线红柱的股票：
CXBZ=='' and DATE=当日 and SUBSTR(CODE, 1, 1) not in ('6') and TRADE_FLAG_2 == '交易' and PE_TTM < 20 and LLV(LOW,30) = REF(LLV(LOW,30),-1) AND EXISTS(DATE,SELECT TRADE_DATE FROM KDJZB WHERE ke > 50 AND de > 50 AND ke > ref(ke,1) AND MACD > 0 AND REF(MACD,1) < 0 AND DAILY_OR_WEEK = 2 )
Python代码参考
import pandas as pd
import datetime
from pytdx.hq import TdxHq_API
from pytdx.util.best_ip import select_best_ip
# 初始化TdxHq_API()并获取最优IP
api = TdxHq_API()
ip = select_best_ip('tdx')
def get_stock_list(api):
# 遍历股票市场获取所有股票
dataList = []
for market in [0, 1]:
stock_list = api.get_security_list(market, 0)
results = [(stock['code'], pd.Timestamp(stock['ipo_date']).year, stock['ipo_year'], stock['ipo_price'],
stock['ipo_amount'], stock['ltgb'], stock['zy'], stock['zql'], stock['cxbz'], stock['lhb'], stock['jlr'], stock['pe']) for stock in stock_list if
stock['code'][0] in ['0', '3'] and stock['market'] != 43 and pd.notnull(stock['pe']) and stock['pe'] < 20]
dataList += results
return pd.DataFrame(dataList, columns=['stock_code', 'ipo_date', 'ipo_year', 'ipo_price', 'ipo_amount', 'ltgb', 'zy', 'zql', 'cxbz', 'lhb', 'jlr', 'pe'])
def get_matched_stocks(api, stock_list):
# 筛选出符合条件的股票
yesterday = (datetime.datetime.today() - datetime.timedelta(days=1)).strftime('%Y%m%d')
data = api.get_security_bar(9, 0, stock_list['stock_code'].tolist()[0], 47)
data = pd.DataFrame(data, columns=['trade_date', 'open', 'close', 'high', 'low', 'vol', 'amount', 'ltgb', 'marketvalue', 'zy', 'ssf'])
data['MACD'], data['SIGNAL'], data['HIST'] = talib.MACD(data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
data['K'], data['D'], data['J'] = talib.STOCH(data.high.values, data.low.values, data.close.values, fastk_period=9, slowk_period=3, slowk_matype=0, slowd_period=3, slowd_matype=0)
data['week_date'] = pd.to_datetime(data['trade_date'], format='%Y%m%d') + pd.offsets.Week(weekday=4)
data = data.resample('W-FRI', on='week_date').last()
data.fillna(method='ffill', inplace=True)
data.fillna(method='bfill', inplace=True)
data['last_week_K'] = data['K'].shift(1)
data['last_week_D'] = data['D'].shift(1)
data['last_week_MACD'] = data['MACD'].shift(1)
condition1 = (stock_list['zql'] >= 3) & (stock_list['zql'] <= 12)
condition2 = (data['K'] > 50) & (data['D'] > 50)
condition3 = (data['K'] > data['last_week_K']) & (data['D'] > data['last_week_D'])
condition4 = (data['MACD'] > 0) & (data['last_week_MACD'] < 0)
matched_stocks = data.loc[condition2 & condition3 & condition4]['stock_code'].tolist()
return matched_stocks
#获取股票列表
stock_list = get_stock_list(api)
#筛选符合条件的股票
matched_stocks = get_matched_stocks(api, stock_list)
#输出结果
print('下列股票符合选股策略：')
print(matched_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。
