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日涨幅大于0小于35。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
该选股策略综合运用了技术面和基本面两个方面，采取了MACD指标、营收增长情况和短期涨幅作为筛选标准。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日涨幅为正表示股票得到了市场认可并有一定上涨动力。通过这些指标的综合考虑，能够筛选出具备良好潜力的股票。
有何风险？
以下是该选股策略可能存在的一些风险：
- 忽略了其他公司的基本面因素，如盈利能力、估值等；
- 过度依赖短期的技术面指标和市场因素，缺少整体市场和行业的判断；
- 没有考虑个股容易被资金炒作的因素，容易导致选股出现箭头效应、大起大落；
- 选股标准过于严格，可能会导致可选股票数量过少或过于集中在某个行业或板块内。
如何优化？
以下是对该选股策略的一些优化建议：
- 建议加入其他技术指标和基本面指标，如RSI、市盈率等，综合考虑股票走势和市场因素；
- 应该同时考虑较长期的趋势和基本面因素，如季度财报、公司竞争力等，以避免估值失衡和追高杀跌；
- 调整筛选标准，灵活选取具有核心竞争力、盈利能力稳定的公司，可以适度放宽公司收入的限制和股票代码开头的限制；
- 增加多维度评价，避免过度依赖单一指标。
最终的选股逻辑
综合考虑MACD指标、公司营收增长情况和10日涨幅，选取MACD零轴以上、公司2021年营收/2018年营收大于1.1、10日涨幅大于0小于35的个股。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日涨幅大于0小于35的个股。
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 < 0.96 * 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MACD零轴以上的股票
stock_universe = history(26, '1d', ['close']).dropna()
stock_universe['MACD_DIF'], stock_universe['MACD_DEA'], stock_universe['MACD'] = MACD(stock_universe['close'], 12,26,9)
stock_universe = stock_universe[stock_universe['MACD'] > 0]
#获取营收增长情况和10日涨幅符合标准的股票
stock_universe = get_fundamentals(query(valuation.code, income.year, valuation.market_cap).filter((valuation.market_cap < 10000000000)).limit(2000)).fillna(value=0)
stock_universe = stock_universe[stock_universe['year'].notnull() & stock_universe['total_operating_revenue'] > 0]
stock_list = stock_universe['code'].tolist()
df_price = get_price(stock_list, end_date=context.previous_date, count=10, fields='close')
for stock in stock_list:
if stock not in df_price:
continue
price = df_price[stock]
#10日涨幅大于0小于35
if (price[-1] - price[0]) / price[0] >= 0 and (price[-1] - price[0]) / price[0] < 0.35:
stock_universe = stock_universe[stock_universe['code'] != stock]
return list(stock_universe['code'][:20])
## 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。
