问财量化选股策略逻辑
选股逻辑：MACD零轴以上、饮料酒进出口情况，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），有什么风险？（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），请用Markdown格式。
选股逻辑分析
该选股策略考虑了MACD指标、饮料酒行业进出口情况，以及短期内涨停市场表现，筛选符合要求的股票进行投资。
有何风险？
以下是该选股策略可能存在的一些风险：
- MACD指标可能存在一定程度的滞后现象；
- 涨停天数作为短期市场表现指标，可能受到市场异常行情影响；
- 企业可能受到单一事件的影响而出现抖动，或者市场环境发生变化。
如何优化？
以下是该选股策略的一些建议优化：
- 结合其他技术指标如RSI、KDJ等，在MACD指标的基础上进行进一步的筛选；
- 调整选股条件，适当增加选股条件如股票市值、财务指标等；
- 可结合其他行业数据如植保、兽药等，增加选股条件。
最终的选股逻辑
该选股策略综合了MACD指标、饮料酒进出口、10天内涨停天数大于2的条件，筛选出符合要求的股票进行投资。
同花顺指标公式代码参考
SELECT
/* 返回符合选股条件的股票代码、MACD指标的DIF/dea，行情、20日均线、120日均线、涨停天数 */
sc.SecCode, indicator.macd, close, MA(close,20), MA(close,120),
COUNT(IF(high == Ref(max,1,high),1,NULL))/10 AS ztts
FROM
SecuMain sm
JOIN SecuCode sc ON sm.InnerCode=sc.InnerCode
JOIN (
SELECT
LC_ExgIndustry.CompanyCode,
LC_ExgIndustry.CompanyName AS name,
LC_ExgIndustry.CompanyType
FROM
indexTypes
JOIN LC_ExgIndustry ON indexTypes.SrcIndexCode=LC_ExgIndustry.CompanyType
WHERE
indexTypes.IndexTypeName='申万一级行业分类'
AND LC_ExgIndustry.TradeStartDate <= '{date}'
AND LC_ExgIndustry.TradeEndDate >= '{date}'
AND LC_ExgIndustry.CompanyType in ('431011','431012')
) ids ON sm.CompanyCode=ids.CompanyCode AND sm.SecuCategory=ids.CompanyType
JOIN indicator ON sm.InnerCode=indicator.InnerCode
LEFT JOIN (SELECT SecurityID, TradingDay, MAX(HighPrice) as high FROM PriceAdjustment WHERE IsPriceAdjusted=1 GROUP BY SecurityID, TradingDay ORDER BY TradingDay DESC) adj_price ON sm.InnerCode = adj_price.SecurityID
WHERE
sc.Secucode NOT LIKE 'ST%' AND sc.Secucode NOT LIKE '*ST%' AND sm.SecuMarket in (83, 90)
AND indicator.macd>0
AND DATEDIFF('{date}', adj_price.TradingDay)<=10
GROUP BY
sc.SecCode
HAVING
COUNT(IF(high == Ref(max,1,high),1,NULL))/10>2
ORDER BY collections DESC
LIMIT 50;
Python代码参考
from jqdata import *
def initialize(context):
pass
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)
for buying_stock in g.stocks_selected:
if not data.can_trade(buying_stock):
continue
order_target_value(
buying_stock,
context.portfolio.portfolio_value/len(g.stocks_selected)
)
def select_stock(context):
date=context.previous_date.strftime('%Y-%m-%d')
q = query(
valuation.code,
indicator.macd,
close,
MA(close, 20),
MA(close, 120),
count(if_(high == ref(max,1,high),1,None))/10,
).filter(
indicator.macd > 0,
datediff(date, get_price().index.max()) <= 10,
).group_by(
valuation.code,
).order_by(
finance.collections.desc()
).having(
count(if_(high == ref(max,1,high),1,None))/10 > 2
).limit(50)
df = get_fundamentals(q)
stock_filtered = []
for stock in df['code']:
if data.can_trade(stock) and get_previous_security_price(stock, 10, '1d', 'high') is not None:
stock_filtered.append(stock)
return sorted(stock_filtered, key=lambda x: get_trade_days(start_date=start_date, end_date=end_date).index(get_trade_date(x)), reverse=True)
## 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。
