问财量化选股策略逻辑
选股逻辑：MACD零轴以上、2021年营收/2018年营收大于1.1、15分钟周期MACD绿柱变短。
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），请使用markdown格式。
选股逻辑分析
该选股逻辑在原有基础上增加了15分钟周期MACD绿柱变短的条件，旨在找到在MACD零轴以上的股票中，近期MACD绿柱开始缩短的热门股票进行投资。该逻辑相比之前更注重近期动态表现，并仍然利用了MACD指标和营收比较这两个基础指标对股票进行筛选。
有何风险？
以下是该选股逻辑可能存在的一些风险：
- MACD绿柱变短仅仅是短期内的趋势，并不一定预示长期股价的走向。
- 筛选出的热门股票更易受到市场噪音影响，有较高的波动性风险。
- 可能存在过多的筛选条件，选股结果过于严格，导致无法获取投资机会。
如何优化？
以下是对该选股逻辑的优化建议：
- 对绿柱缩短判断需谨慎，可以考虑对其他短期指标结合使用，如RSI等。
- 加入市场情绪因素进行考虑，以避免受噪音影响过大。
- 加强对MACD等指标的理解和应用，提升选股效率。
最终的选股逻辑
选股结果包含MACD零轴以上、2021年营收/2018年营收大于1.1和15分钟周期MACD绿柱变短的股票。
同花顺指标公式代码参考
- 选股公式：
REF(MACD(8, 17, 9),1) < 0 AND MACD(8, 17, 9) > 0 AND
NOT MULTISEL AND
REF((2 * MA(CLOSE, 12) - MA(CLOSE, 26)), 1) < REF(MA(CLOSE, 9), 1)
AND (2 * MA(CLOSE, 12) - MA(CLOSE, 26)) >= MA(CLOSE, 9)
AND HSL >= 50
AND JAQS_SALES_OPER_REV_EXISTS=1
AND JAQS_SALES_OPER_REV > 0
AND REF(JAQS_SALES_OPER_REV, 4)/REF(JAQS_SALES_OPER_REV, 20) > 1.1
python代码参考
def initialize(context):
set_benchmark('000300.XSHG')
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 < 0.95 * context.portfolio.positions[security].cost_basis:
order_target_value(security, 0)
if len(context.portfolio.positions) < 10:
buy_list = []
for stock in g.stocks_selected:
if stock not in data:
continue
if data[stock].close - data[stock].open > 0:
buy_list.append(stock)
buy_list = sorted(buy_list, key=lambda x: data[x].close/data[x].volume)
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')
selected = []
for stock in stock_list:
if not is_valid(stock):
continue
m15 = attribute_history(stock, 18, '15m', ('open', 'close', 'high', 'low', 'volume'), skip_paused=True, df=True)
if len(m15) < 18 or m15.isnull().values.any():
continue
m15_macd = talib.MACD(m15['close'], fastperiod=8, slowperiod=17, signalperiod=9)
if m15_macd[0][-1] == 0:
continue
if m15_macd[2][-1] > m15_macd[2][-2]:
continue
selected.append(stock)
return selected
def is_valid(stock):
current_data = get_current_data()
if current_data[stock].paused or current_data[stock].is_st_stock or current_data[stock].is_suspended:
return False
if (current_data[stock].name is None) or ('ST' in current_data[stock].name) or ('*' in current_data[stock].name):
return False
industry_code = current_data[stock].sw1_code or current_data[stock].sw2_code or current_data[stock].sw3_code
if industry_code in ['801150', '801780', '801790']:
return False
return 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。
