问财量化选股策略逻辑
选股逻辑：MACD零轴以上、DEA上涨、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
该选股策略主要基于技术面指标MACD和DEA，以及短期涨幅的筛选。MACD和DEA可以判断股票当前趋势的强弱，而适当地控制短期涨幅可以筛选出一些相对稳健的股票。该策略突出了技术面指标的特点，相对注重个股。
有何风险？
以下是该选股策略可能存在的一些风险：
- 技术指标短期失效：一些技术指标快速调整或者失效，短时间内难以适应市场变化；
- 短期高涨幅的风险：短期涨幅过大，可能会导致买入股票后价格快速回落；
- 市场整治对短期涨幅的影响：短期涨幅可能得到市场炒作的提振，但是一些市场整治或者股票基本面问题难以适应。
如何优化？
以下是该选股策略的一些优化建议：
- 加入长期趋势分类：可以加入长期趋势指标，验证短期操作的可行性；
- 考虑指数和板块选择：将股票筛选的范围扩大到指数和板块；
- 考虑基本面指标：可以加入一些基本面因素，如公司财务等指标，提高模型的效果。
最终的选股逻辑
该选股策略在基于MACD和DEA上涨的基础上，筛选出10日涨幅大于0小于35的股票，并加入一些基本面因素，综合考虑技术面和基本面因素，归纳为技术面、市场情绪、基本面三个因素综合判断股票投资价值。
同花顺指标公式代码参考
- 判断MACD零轴以上、DEA上涨: MACD(12,26,9)：DIF=EMA(CLOSE,12)-EMA(CLOSE,26);DEA=EMA(DIF,9);DIF>DEA;
- 判断10日涨幅大于0小于35: REF(CLOSE, 1) / REF(CLOSE, 11) > 1 AND REF(CLOSE, 1) / REF(CLOSE, 11) < 1.35;
python代码参考
from jqdata import *
import talib
def initialize(context):
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
g.data_moving_period = 10
set_option('avoid_future_data', True)
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[:]
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):
stock_list = get_index_stocks('000300.XSHG')
# MACD指标金叉死叉
filter_ = (
lambda security:
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] > 0 and
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] >
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[1][-1] and
# 10日涨幅大于0小于35
ref(data[security].close, 1) / ref(data[security].close, 11) > 1.0 and
ref(data[security].close, 1) / ref(data[security].close, 11) < 1.35
)
stock_filtered = list(filter(lambda s: filter_(s), stock_list))
stock_filtered = sorted(
stock_filtered,
key=(
lambda s:get_fundamentals(
query(
valuation.circulating_market_cap
),
security_list=[s]
)[
'circulating_market_cap'
]
),
reverse=True
)
return stock_filtered
## 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。
