问财量化选股策略逻辑
选股逻辑：MACD指标零轴以上，归属母公司股东的净利润同比增长率大于20%小于等于100%，10日涨幅大于0小于35%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
该选股策略基于MACD指标、归属母公司股东的净利润同比增长率和短期股票价格走势综合考虑，选取具有较好动量和基本面的股票。在此基础上，短期股票价格走势也能反映市场对该股票的短期预期。
有何风险？
以下是该选股策略面临的可能风险：
- MACD指标可能存在一定的滞后性，选取MACD指标零轴以上的股票存在一定的风险；
- 只考虑单一财务指标可能忽略了公司的整体财务状况，及其他公司运营情况，如负债情况，资产质量等;
- 过度依赖短期股票价格，可能导致选股结果的持续性略有欠缺；
- 筛选条件相对较为苛刻，可能导致选出的股票数量较少。
如何优化？
以下是几个优化该选股策略的建议：
- 引入更多的技术指标和数据，例如RSI、BOLL等，以更全面地分析股票价格走势并减少单一指标的不足；
- 考虑引入其他更可靠、全面的财务指标，如ROE、ROA等，并适当放宽筛选条件；
- 适当减少短期股票价格走势的权重，更关注公司的基本面，加强风险控制；
- 适当降低筛选条件，增加股票的数量，以更好地进行分散投资。
最终的选股逻辑
选股策略：MACD指标零轴以上，归属母公司股东的净利润同比增长率大于20%小于等于100%，10日涨幅大于0小于35%的股票。
同花顺指标公式代码参考
SELECT S_CODE
FROM (
SELECT S_CODE,
MACD(S_CODE, 12, 26, 9) AS MACD,
CMPR(S_CODE, MSEBL, 20, 100, 4, 'END_DATE', 1) AS NET_PROFIT_YOY_RATIO,
(CLOSE - REF(CLOSE, 9))/REF(CLOSE, 9) * 100 AS CHANGE_RATE_10D
FROM STOCK_OHLC_PRICE
WHERE
-- MACD指标零轴以上
MACD(S_CODE, 12, 26, 9) > 0
-- 归属母公司股东的净利润同比增长率大于20%小于等于100%
AND CMPR(S_CODE, MSEBL, 20, 100, 4, 'END_DATE', 1) >= 0
-- 10日涨幅大于0小于35%
AND (CLOSE - REF(CLOSE, 9))/REF(CLOSE, 9) * 100 > 0
AND (CLOSE - REF(CLOSE, 9))/REF(CLOSE, 9) * 100 <= 35
)
ORDER BY AVGTRDNUM(30)/AVGTRDNUM(180) DESC
Python代码参考
# 初始化
def initialize(context):
set_benchmark('000300.XSHG')
# 获取所有股票
g.all_stocks = get_all_securities(['stock']).index.tolist()
g.selected_stocks = []
# 每天运行选股逻辑
run_daily(select_stocks, time_rule=market_open(hour=0.5))
# 选股逻辑
def select_stocks(context):
# 遍历所有股票，进行选择
selected_stocks = []
for stock in g.all_stocks:
# 如果MACD指标零轴以下，跳过
dif, dea, macd = talib.MACD(get_price(stock, frequency='1d', count=200, end_date=context.previous_date, fields=['open', 'close', 'high', 'low']), fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] <= 0:
continue
# 如果净利润同比增长率不过关，跳过
q1 = query(income.code, income.statDate, income.netProfitYoYRatio, income.status).filter(
income.code == stock, income.statDate >= (datetime.datetime(2021,1,1)))
data1 = get_fundamentals(q1)
if data1.empty or data1['net_profit_yoy_ratio'][0] <= 0.2 or data1['net_profit_yoy_ratio'][0] > 1:
continue
# 如果10日涨幅不过关，跳过
h, l, close = history_bars(stock, 10, '1d', ('high', 'low', 'close'), skip_suspended=False)
change_rate_10d = (close[-1] - close[0]) / close[0] * 100
if change_rate_10d <= 0 or change_rate_10d > 35:
continue
# 添加到选择列表中
selected_stocks.append(stock)
# 按照成交量排序，选择前5个
selected_stocks = sorted(selected_stocks, key=lambda s: get_price(s, count=1, end_date=context.current_dt, frequency='1d', fields=['volume'])['volume'][0], reverse=True)[:5]
g.selected_stocks = selected_stocks
# 卖出不在选股结果中的股票
for stock in context.portfolio.positions:
if stock not in selected_stocks:
order_target(stock, 0)
# 买入新选出的股票
for stock in selected_stocks:
if stock not in context.portfolio.positions:
order_target_value(stock, context.portfolio.total_value/5)
## 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。
