问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包的前提下，选择前天MACD小于0的股票。
选股逻辑分析
该选股策略要求股票处于相对的低位状态，同时符合一定的交易活跃度，选出前天MACD小于0股票作为买入信号。MACD是一种趋势跟踪指标，适用于股票趋势分析，该选股策略可以在趋势下跌期内更好地过滤标的，提高选股成功率。
有何风险？
该选股策略存在过度追求技术指标及忽略其他重要因素的可能性，缺乏对市场整体表现趋势的综合判断，造成盲目跟从技术指标过度追涨，以及其他风险。（仍存在与上一个问题中相同的风险）
如何优化？
可以在选择买入股票时结合市场趋势、板块走势和相关行业的研究，同时可以根据不同股票的性质和个体特征进行优化筛选，以多方位的方式来综合判断股票表现和趋势。
最终的选股逻辑
在换手率3%-12%、反包的前提下，选择前天MACD小于0的股票。
同花顺指标公式代码参考
选股条件：SETPRICETYPE(1); ((LAST<MA(LAST,120)) AND (LAST>MA(LAST,250))) AND (LAST-MAX(LOW, 60))>(MAX(HIGH, 8)-MIN(LOW, 8))*1.6 AND (CHG>0) AND MACD(12,26,9)<0 AND REF(MACD(12,26,9),1)>=0 AND VOLUME>10000 AND VOLUME/MA(VOLUME,38)>1.2
选股结果：fml('SETPRICETYPE(1); ((LAST<MA(LAST,120)) AND (LAST>MA(LAST,250))) AND (LAST-MAX(LOW, 60))>(MAX(HIGH, 8)-MIN(LOW, 8))*1.6 AND (CHG>0) AND MACD(12,26,9)<0 AND REF(MACD(12,26,9),1)>=0 AND VOLUME>10000 AND VOLUME/MA(VOLUME,38)>1.2','desc', 'market_cap', 100)
Python代码参考
import tushare as ts
# 筛选好股票函数
def select_good_stocks():
# 反包策略
df1 = ts.pro_bar(ts_code='', start_date='20210101', end_date='20220131',
freq='1min', ma=[5, 10, 30], adj='qfq')
# 计算MACD指标
df1['DIF'], df1['DEA'], df1['MACD'] = talib.MACD(df1['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
# 前天MACD小于0
df2 = df1[(df1['MACD'].shift(2) < 0)]
# 判断是否符合条件
good_stocks = df2[(df2['volume'] > 10000) & (df2['volume'] / df2['volume'].rolling(window=38).mean() > 1.2)]
return good_stocks
good_stocks = select_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。
