问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%,剔除北京A股且前天MACD小于0的股票中选择。
选股逻辑分析
该选股策略考虑了市场情绪和技术分析结合，通过限制换手率和北京A股，和前天MACD小于0，既可以控制风险，又可以参考技术分析结合选股。
有何风险？
该选股逻辑过于侧重技术分析，忽略了基本面的因素；同时也有可能因为选股的限制过多，导致候选股票数量不足。
如何优化？
可以综合使用其他指标如PE、PB等，对股票的基本面和市场价格进行综合评估，从而提高投资成功率。同时，也可以适当放宽一些选股限制，如换手率的范围等，扩大选股空间。
最终的选股逻辑
在换手率3%-12%,剔除北京A股且前天MACD小于0的股票中选择，并结合其他基本面和市场指标进行综合评估，以提高投资成功率。
同花顺指标公式代码参考
第一步，需要画图查看macd的值。具体可以在“证券工具—技术分析—通达信指标”中指定macd并且增加新指标来查看，或者自己编写一个简单的策略。
python代码参考
import tushare as ts
import talib
ts.set_token('your_token')
pro = ts.pro_api()
def select_good_stocks():
# 换手率3%-12%
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['area'] != '北京')]
# 前天的日期字符串
td = datetime.datetime.today() - datetime.timedelta(days = 2)
td_str = td.strftime('%Y%m%d')
stocks_info = []
for index, row in df1.iterrows():
ts_code = row['ts_code']
stock_df = pro.daily(ts_code=ts_code, start_date=td_str, end_date=td_str)
if (len(stock_df) > 0):
macd, macdsignal, macdhist = talib.MACD(stock_df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if (macd[0] < 0):
stocks_info.append(row)
df1 = pd.DataFrame(stocks_info, columns=['ts_code', 'name', 'industry', 'pe', 'pb', 'turnover_rate', 'amount', 'total_mv', 'float_mv'])
return df1
good_stocks = select_good_stocks()
print(good_stocks)
其中需要替换掉your_token为你的tushare token。
## 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。
