问财量化选股策略逻辑
选股逻辑：MACD零轴以上、公司2021年营收/2018年营收大于1.1、10天内涨停天数大于2的股票。选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。分析以上的选股逻辑（每个逻辑以 "," 进行分隔），分析选股的逻辑（放入标题为 ## 选股逻辑分析 的段落），有何风险？（放入标题为 ## 有何风险？ 的段落）如何优化？（放入标题为 ## 如何优化？ 的段落），并最终给出完善选股逻辑（放入标题为 ## 最终的选股逻辑 的段落），请使用markdown格式。
选股逻辑分析
该选股策略同样结合了技术面和基本面，采用了MACD指标、公司营收增长情况和涨停天数作为筛选指标。MACD零轴以上代表股票现在的短期动量变化趋势向上，公司2021年营收/2018年营收大于1.1代表公司具有一定的营收增长能力，10天内涨停天数大于2则表明该股票短期内市场交投活跃。综合考虑以上三个指标，选出拥有良好趋势、成长性优良、交易活跃的个股。
有何风险？
以下是该选股策略可能存在的一些风险：
- 基于营收增长情况选择个股可能忽略了许多其他重要信息，如盈利等；
- MACD指标作为一种技术面分析工具，滞后性较大，容易出现误判的情况；
- 涨停天数可能受到大盘整体行情和股票流动性的影响，因此不能完全反映该股票的价值；
- 该选股逻辑并未考虑相对估值、负债情况等因素，可能存在较大风险。
如何优化？
以下是对该选股策略的一些优化建议：
- 加入更多个股基本面分类指标，如财务数据、公司业绩等，以便模型更加全面准确；
- 尝试加入其他技术面指标的考虑，如RSI、OBV等；
- 参考股票轮动等因素，从更广泛的市场层面考虑股票交投活跃度；
- 考虑相对估值、负债情况等因素，以提升选股逻辑的稳定性和准确性。
最终的选股逻辑
综合考虑MACD指标、公司营收增长情况和涨停天数，选取MACD零轴以上、公司2021年营收/2018年营收大于1.1、10天内涨停天数大于2的股票。最终选股逻辑为：MACD零轴以上、公司2021年营收/2018年营收大于1.1、10天内涨停天数大于2的股票。
同花顺指标公式代码参考
- MACD指标（12,26,9）：DIF=EMA(CLOSE,12)-EMA(CLOSE,26); DEA=EMA(DIF,9); MACD=(DIF-DEA)*2;
Python代码参考
def initialize(context):
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
set_option('avoid_future_data', True)
g.capital_base = context.portfolio.starting_cash
g.stocks_selected = []
def before_trading_start(context):
g.stocks_selected = select_stock(context)
def handle_data(context, data):
for security in context.portfolio.positions.keys():
if security not in data:
continue
if data[security].close < 0.95 * context.portfolio.positions[security].cost_basis:
order_target_value(security, 0)
if len(context.portfolio.positions) < 10:
buy_list = g.stocks_selected[:5]
for buying_stock in buy_list:
if not data.can_trade(buying_stock):
continue
order_target_value(buying_stock, context.portfolio.portfolio_value/len(buy_list))
def select_stock(context):
#获取市值大于2亿以上的股票
stock_universe = get_fundamentals(query(valuation.code).filter((valuation.market_cap > 200000000)).limit(2000)).fillna(value=0)
#利用基本面和技术面综合筛选股票
stock_universe = stock_universe[stock_universe['2018nprg'].notnull() & stock_universe['2021nprg'].notnull()]
stocks = list(stock_universe[stock_universe['2018nprg'] < 0.1][stock_universe['2021nprg']/stock_universe['2018nprg'] > 1.1]['code'])
ret = []
for s in stocks:
if MACD(s, 26, 12, 9)[-1] > 0 and count_extreme_bars(s, frequency='1d', window=10, include_now=True, is_up=True) > 2:
ret.append(s)
return ret
## 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。
