问财量化选股策略逻辑
该选股策略选股逻辑为:在换手率为3%-12%、股票代码以60开头的股票中,筛选出15分钟周期MACD绿柱变短的股票。
选股逻辑分析
该选股策略引入了技术分析指标MACD,选股条件比上一个策略更多样化。同时选择了低换手率的股票,与前一个策略相似。
有何风险?
该选股策略存在以下风险:1、单一的技术指标MACD可能无法充分反映股票市场的整体趋势;2、过于依赖过去性能,无法适应快速变化的市场环境。
如何优化?
建议引入更多技术指标和基本面数据来筛选潜力股,同时尽可能避免单一指标的过度依赖。
最终的选股逻辑
在换手率为3%-12%、股票代码以60开头的股票中,筛选出15分钟周期MACD绿柱变短的股票。
同花顺指标公式代码参考
选股公式:SELECT S_INFO_WINDCODE FROM ASHARESWIND.ASHARES_DAILY_PRICE WHERE TRADE_DT = '20220301' AND S_INFO_WINDCODE like '60%(%' AND S_DQ_VOLUME / S_SHARE_TOTALA <= 12 AND S_DQ_VOLUME / S_SHARE_TOTALA >= 3 AND S_INFO_SECTORTYPE_SW_L1 NOT IN ('传媒', '电力', '通信') AND (S_DQ_CLOSE > S_DQ_MA5 OR (S_DQ_CLOSE = S_DQ_MA5 AND S_DQ_CLOSE > S_DQ_MA10)) AND (REF(MACD(12, 26, 9), 1) > 0 AND MACD(12, 26, 9) < 0) ORDER BY S_INFO_WINDCODE ASC
Python代码参考
import pandas as pd
import tushare as ts
token = 'your token'
pro = ts.pro_api(token)
def get_stock_list(pro):
#获取股票列表
stock_info = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,area,industry,market,fullname,enname')
stock_info = stock_info[stock_info['ts_code'].str.startswith('60')] #筛选出股票代码以60开头的股票
return stock_info
def match_macd_short_green(stock_code, api):
#判断15分钟周期MACD绿柱是否变短
k_data = api.get_k_data(stock_code, ktype='15')
dif, dea, macd = api.MACD(k_data['close'].tolist(), 12, 26, 9)
diff_list = dif - dea
if len(diff_list) > 1 and diff_list[-1] < diff_list[-2]:
return True
else:
return False
def get_matched_stocks(api, stock_list):
#筛选出符合条件的股票
matched_stocks = []
for stock_code in stock_list['ts_code'].tolist():
if match_macd_short_green(stock_code, api):
matched_stocks.append(stock_code)
return matched_stocks
#获取股票列表
stock_list = get_stock_list(pro)
#筛选出符合条件的股票
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。
