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%、股票代码以60开头且MACD零轴以上的股票。
选股逻辑分析
该选股策略综合考虑了股票的流通性、股票代码和技术指标等多方面因素，通过限定换手率、股票代码和MACD技术指标等指标，筛选出具备一定投资价值的股票。
有何风险？
该选股策略存在以下风险：1、个股涨跌与公司基本面、宏观经济等因素的影响相关性不一定强；2、MACD技术指标可能存在局限性，不能完全反映股票的真实走势。
如何优化？
建议加入基本面指标进行筛选，如EPS、ROE等，同时加入其他技术指标的分析，如KDJ、RSI等。
最终的选股逻辑
选择换手率在3%-12%、股票代码以60开头且MACD零轴以上的股票。
同花顺指标公式代码参考
选股公式：SELECT S_INFO_WINDCODE,S_DQ_HIGH,S_DQ_LOW,S_DQ_CLOSE 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 (REF(MACD(12,26,9),2)>0) ORDER BY S_INFO_WINDCODE ASC
Python代码参考
import pandas as pd
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] == '6' and stock['code'][1] == '0' and stock['market'] != 43]
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
matched_stocks = []
for stock_code in stock_list['stock_code'].tolist():
k_data = api.get_k_data(stock_code)
if 3 <= k_data.iloc[-1]['turnover_rate'] <= 12 and api.to_df(api.to_df(api.get_security_quotes([(0, stock_code), (1, stock_code)]))[['market', 'code', 'ZRSP', 'DRRQ', 'ZGCJ', 'ZDCJ']])['ZGCJ'][0] > api.to_df(api.to_df(api.get_security_quotes([(0, stock_code), (1, stock_code)]))[['market', 'code', 'ZRSP', 'DRRQ', 'ZGCJ', 'ZDCJ']])['ZSP'][0]:
macd_list, signal_list, bar_list = api.to_df(api.to_df(api.to_df(api.get_security_indicator([(1, stock_code)]))[[(16, 'MACD'), (16, 'DIF'), (16, 'DEA')]])).iloc[-1].tolist()
if macd_list > 0:
matched_stocks.append(stock_code)
return matched_stocks
#获取股票列表
stock_list = get_stock_list(api)
#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。
