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、20日均线大于120日均线的股票。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
该选股策略综合了MACD指标、饮料酒进出口情况，以及20日均线和120日均线情况，筛选符合要求的股票进行投资。
有何风险？
以下是该选股策略可能存在的一些风险：
- MACD指标可能出现一定程度的滞后现象；
- 20日均线和120日均线存在死叉、金叉等情况，需要进行进一步分析；
- 企业可能受到市场异常行情或经济环境影响而发生变化。
如何优化？
以下是该选股策略的一些优化建议：
- 加入其他技术指标进行择时选股，例如RSI、KDJ等；
- 适当调整选股条件，例如将20日均线和120日均线条件改为40日均线和200日均线；
- 增加其他基本面数据如财务数据等，全面评估个股情况。
最终的选股逻辑
该选股策略综合了MACD指标、饮料酒进出口情况，以及40日均线和200日均线情况，筛选符合要求的股票进行投资。
同花顺指标公式代码参考
SELECT
/* 返回符合选股条件的股票代码、MACD指标的DIF/dea、20日均线、120日均线 */
sc.SecCode,
indicator.macd,
MA(close,20),
MA(close,120)
FROM
SecuMain sm
JOIN SecuCode sc ON sm.InnerCode=sc.InnerCode
JOIN (
SELECT
LC_ExgIndustry.CompanyCode,
LC_ExgIndustry.CompanyName AS name,
LC_ExgIndustry.CompanyType
FROM
indexTypes
JOIN LC_ExgIndustry ON indexTypes.SrcIndexCode=LC_ExgIndustry.CompanyType
WHERE
indexTypes.IndexTypeName='申万一级行业分类'
AND LC_ExgIndustry.TradeStartDate <= '{date}'
AND LC_ExgIndustry.TradeEndDate >= '{date}'
AND LC_ExgIndustry.CompanyType in ('431011','431012')
) ids ON sm.CompanyCode=ids.CompanyCode AND sm.SecuCategory=ids.CompanyType
JOIN indicator ON sm.InnerCode=indicator.InnerCode
JOIN finance ON sm.InnerCode=finance.InnerCode
WHERE
sc.Secucode NOT LIKE 'ST%' AND sc.Secucode NOT LIKE '*ST%' AND sm.SecuMarket in (83, 90)
AND indicator.macd>0 AND MA(close,20)>MA(close,120)
ORDER BY collections DESC
LIMIT 50;
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):
date=context.previous_date.strftime('%Y-%m-%d')
q = query(
valuation.code,
indicator.macd,
MA(close, 20),
MA(close, 120),
).filter(
indicator.macd > 0,
MA(close,20) > MA(close,120),
).order_by(
finance.collections.desc()
).limit(50)
df = get_fundamentals(q)
stock_filtered = []
for stock in df['code']:
if data.can_trade(stock):
stock_filtered.append(stock)
return sorted(stock_filtered, key=lambda x: get_trade_days(start_date=start_date, end_date=end_date).index(get_trade_date(x)), reverse=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。
