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股且日线MACD＞0的股票中选取。
选股逻辑分析
该选股逻辑主要考虑市场的技术面因素，筛选符合换手率3%-12%,MACD指标大于0的股票，降低投资风险。
有何风险？
该选股方法依然是以技术面因素为主，并忽略了基本面因素的影响，具有向量轨迹的追随性，存在一定的市场风格依赖性。同时，即使MACD指标大于0，股票也可能处于下降趋势中，需要结合其他指标进行综合判断。
如何优化？
可以结合其他技术指标进行判断，如RSI、KDJ等因素进行综合判断，降低选择错误的概率。同时也可以结合主观分析，如行业交易趋势、公司盈利能力、管理层的背景和公司的财务状况等特征。
最终的选股逻辑
在换手率3%-12%,剔除北京A股且日线MACD指标大于0的股票中进行选取，并综合考虑其他相关因素对股票进行筛选，进一步排除异常情况的干扰。
同花顺指标公式代码参考
| 指标名称 | 同花顺公式 |
|---|---|
| MACD指标 | MACD(M,C,L), Ref(MACD(M,C,L),N)>0 |
Python代码参考
import tushare as ts
def select_good_stocks():
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选换手率3%-12%,剔除北京A股且MACD>0的股票
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')]
df1['macd'] = ta.MACD(df1['close'], fastperiod=12, slowperiod=26, signalperiod=9)[2]
df1 = df1[df1['macd'] > 0]
df1 = df1.head(20)
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。
