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，选取周线MACD在零轴之上的股票进行选股。
选股逻辑分析
该选股逻辑从技术指标出发，即通过挑选周线MACD在零轴之上的股票来进行选股。同时，剔除北京A股可以降低某些政策因素对选股结果的影响，选取换手率在一定范围内的股票可以保证股票的相对稳定性，有利于稳定收益。
有何风险？
该选股逻辑的风险包括：
- MACD作为短期指标，快速变化，难以准确预测；2. 选取的样本可能偏小，需要综合考虑其他指标，降低选股误差。
如何优化？
-
综合考虑多个指标筛选股票。
可将MACD指标与其它技术指标如RSI、KDJ等指标结合，综合考虑多方位的股票走势和行情，降低选股的误差。 -
定期进行回测和实盘验证。
不断调整和优化选股策略，同时通过回测和实盘验证，不断提升选股策略的可行性和准确性。
最终的选股逻辑
在换手率3%-12%，剔除北京A股的基础上，选取周线MACD在零轴之上的股票进行选股。
同花顺指标公式代码参考
不需要通达信指标。
Python代码参考
import pandas as pd
import tushare as ts
def get_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry')
stock_list = stock_list[(stock_list['name'].str.contains('ST') == False)]
good_stocks = []
for ts_code in stock_list['ts_code']:
week_data = pro.weekly(ts_code=ts_code, start_date='20210101', end_date='20210701')[['macd', 'macdsignal']]
if len(week_data) > 0 and week_data.iloc[-1]['macd'] > 0 and week_data.iloc[-1]['macd'] > week_data.iloc[-1]['macdsignal']:
turnover_rate = pro.daily_basic(ts_code=ts_code, start_date='20210701', end_date='20210701')['turnover_rate'][0]
if turnover_rate >=3 and turnover_rate <=12:
good_stocks.append([ts_code, stock_list[stock_list.ts_code == ts_code].iloc[0].name, stock_list[stock_list.ts_code == ts_code].iloc[0].industry])
good_stocks = pd.DataFrame(good_stocks, columns=['ts_code', 'name', 'industry'])
return good_stocks
good_stocks = get_good_stocks()
print(good_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。
