(supermind量化策略)换手率3%-12%、反包、日线macd＞0

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，选择日线MACD值大于0的股票。

选股逻辑分析

该选股策略尝试通过选取换手率适中、反包且符合MACD值要求的股票，挖掘出股票价格处于上升趋势的股票，从而在短期买入股票并获取利润。

有何风险？

该选股策略可能会忽略企业的基本面，过分注重短期市场表现，从而忽略了公司的成长性、估值以及盈利水平等基本面因素。此外，MACD指标在市场非常强势时容易误判，导致选出的个股风险较高。

如何优化？

可以在选股策略中加入其他的股票选择因素，如市盈率、市净率、股息率等基本面指标，从而实现全面而准确地筛选出兼备成长性和估值优势的价值股。同时，在MACD指标的筛选条件上，可以加入其他相关指标来综合判断，确保选出的个股符合市场的整体表现和趋势。

最终的选股逻辑

在换手率3%-12%、反包的前提下，选择日线MACD值大于0的股票。

同花顺指标公式代码参考

选股条件：WR(10)>50 AND MACD()>0 AND CROSS(MACD(), SIGNAL())>0
选股结果：fml('WR(10)>50 AND CROSS(MACD(), SIGNAL())>0 AND MACD()>0', 'desc', 'pe_ttm', 100)

Python代码参考

import tushare as ts

ts.set_token('your_token')
pro = ts.pro_api()

# 筛选好股票函数
def select_good_stocks():
    # 反包策略
    df1 = pro.daily(ts_code='', start_date='20210101', end_date='20220131',
                     fields='ts_code,trade_date,pre_close,open,high,low,close,vol,amount')

    # 计算MACD
    df1['DIF'], df1['DEA'], df1['MACD'] = talib.MACD(df1['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)

    # 判断MACD是否符合条件
    df1['MACD_Re'] = df1['MACD'] > 0

    # 筛选
    good_stocks = df1[(df1['MACD_Re'])]['ts_code'].reset_index(drop=True)

    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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)

(supermind量化策略)换手率3%-12%、反包、日线macd＞0_