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、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
该选股策略以MACD指标、饮料酒行业进出口情况和股票10日涨幅为选股指标，旨在筛选MACD指标较为健康的、饮料酒行业进出口较为活跃的、股票10日涨幅位于[0, 35)区间内的股票。其中，MACD指标反映了当前市场走势情况，饮料酒行业进出口情况反映了行业的基本面因素，股票10日涨幅则体现了短期市场情况，筛选出的股票可能具备较好的短期投资机会。
有何风险？
以下是该选股策略可能存在的一些风险：
- MACD指标仍然可能存在滞后的情况，导致选股表现不尽如人意；
- 饮料酒进出口情况可能会收到国际贸易环境等因素的影响，也可能出现波动较大的情况；
- 股票10日涨幅可能会受到短期市场情绪影响，可能存在过度反应的情况。
如何优化？
以下是该选股策略的一些优化建议：
- 可以加入其他技术指标，例如RSI、KDJ等指标，以提高选股准确率；
- 可以加入其他基本面因素，例如市盈率、市净率等指标，以全面衡量股票基本面情况；
- 可以选取不同的涨幅区间，例如[0, 20)、[20, 40)等区间。
最终的选股逻辑
该选股策略以MACD指标、饮料酒行业进出口情况和股票10日涨幅为主要选股指标，选出MACD零轴以上、饮料酒进出口数据为1、股票10日涨幅在[0, 35)区间内的股票作为选股结果。
同花顺指标公式代码参考
选股公式 : C1>C1[1] AND
DV2>0 AND
CLOSE >= REF(CLOSE, 10)*1.0 AND CLOSE < REF(CLOSE, 10)*1.35 AND
stock_valuation.industry_sw_level1_name in ("饮料制造", "啤酒制造", "白酒制造") AND
stock_valuation.code.ilike('%%%%')
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):
q = query(
valuation.code,
finance.LTG_HS,
stock_valuation.industry_sw_level1_name,
technical_indicator.macd(macd1=12, macd2=26, macd3=9).macd,
finance.PCT_CHG_10D
).filter(
stock_valuation.industry_sw_level1_name.in_(
['饮料制造', '啤酒制造', '白酒制造']
),
technical_indicator.macd(macd1=12, macd2=26, macd3=9).macd > 0,
finance.PCT_CHG_10D >= 0,
finance.PCT_CHG_10D < 35,
finance.LTG_HS == 1,
C1 > C1[1],
).order_by(
valuation.circulating_market_cap.asc()
).limit(
20
)
df = get_fundamentals(q).fillna(value=0)
return list(df['code'])
## 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。
