问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、K小于20，且DEA上涨的前提下，选股买入。
选股逻辑分析
该选股策略在前一个策略的基础上增加了MACD技术指标的判断标准，选股时在考虑股票的流动性和技术面等因素的同时，加入了DEA上涨的因素，更全面地考虑了市场情况和趋势。
此选股策略相较于之前的策略，更加关注市场趋势和MACD技术指标，帮助我们更好地发现有潜力的热门股票。
有何风险？
虽然DEA上涨这种指标可以反映出市场的上涨趋势，但是有时会出现虚高现象，需要再结合其他技术指标和基本面分析进行多方面的筛选，避免因单一指标导致选股不准确。
如何优化？
可以结合其他技术指标和基本面分析等因素，进行多方面综合筛选，从而找到更加适合的股票。同时，针对此选股逻辑可以尝试在DEA上涨的同时加入其他指标，例如RSI14、均线GoldenCross等，以提高选股的准确性。
最终的选股逻辑
在换手率3%-12%、K小于20，且DEA上涨的前提下，选取满足条件的股票作为买入信号。同时，需结合其他技术指标和基本面分析等因素进行多角度综合分析，制定综合而完善的选股策略。
同花顺指标公式代码参考
选股条件：SETPRICETYPE(1); VOLUME > 0 AND (K < 20) AND DIFF > DEA
选股结果：fml("SETPRICETYPE(1); VOLUME > 0 AND (K < 20) AND DIFF > DEA", "close")
Python代码参考
import tushare as ts
import pandas as pd
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
basic_info = ts.get_stock_basics()
good_stocks = basic_info[(basic_info['turnoverratio'] >= 3) & (basic_info['turnoverratio'] <= 12)]
for stock in good_stocks.index.tolist():
# K值小于20
df1 = ts.get_k_data(stock, ktype='D')
if df1.iloc[-1]['K'] >= 20:
good_stocks.drop([stock], inplace=True)
continue
# DEA上涨
df2 = ts.get_k_data(stock, ktype='D', autype='hfq', start='2018-01-01', end='2022-09-26')
macd, signal, hist = talib.MACD(df2['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if signal[-1] > signal[-2]:
continue
# 加入选股列表
good_stocks.loc[stock, 'DEA'] = signal[-1]
# 收盘价
close_df = ts.get_today_all()[['code', 'trade']]
close_df.columns = ['code', 'close']
close_df['code'] = close_df['code'].apply(lambda x: x[:-3])
# 筛选出条件符合的股票
good_stocks = pd.merge(good_stocks, close_df, on='code')
good_stocks = good_stocks[good_stocks['DEA'] > 0]
good_stocks = good_stocks[good_stocks['close'] > 5]
return good_stocks
good_stocks = select_good_stocks()
print(good_stocks.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。
