问财量化选股策略逻辑
选股逻辑：MACD零轴以上、高点为两日最高、20日均线大于120日均线的股票。
选股逻辑分析
该选股策略主要考虑到股票的技术面和短期趋势，MACD能够反映出当前市场的买卖信号，历史高点能够反映出股票的抵抗力和支撑水平，均线指标则可以反映出股票的中长期走势。
有何风险？
以下是该选股逻辑存在的一些风险：
-
选股策略可能会忽略一些有良好基本面的公司。
-
该选股策略基于技术面指标，对于个股选择客观性差，决策过程依赖股市经验和直觉。
-
均线的选择有一定的主观性，选择不当会影响选股的准确性。
如何优化？
以下是对该选股逻辑进行优化的相关建议：
-
同时加入基本面指标如PE、PB、ROE等多个指标进行分析，以便选出具有潜力的优质股票。
-
选定准确的指标和参数，加强选股逻辑的科学性和客观性，降低人为干扰。
-
考虑加入其他技术面和基本面指标，来证明使用均线指标进行选股是否是一个具有领先性的策略。
最终的选股逻辑
修改后的选股逻辑如下：
选股逻辑：根据股票的技术面、市场总体走势等因素综合分析，加入基本面指标和其他技术面指标进行筛选，最终选取具有投资价值的股票。
同花顺指标公式代码参考
- MACD是指数移动平均线的差值，包括快线（12日指数移动平均线）和慢线（26日指数移动平均线），DIF为MACD与其9日指数移动平均值的差值，DEA则是DIF的9日指数移动平均值，BAR为两者的差值；
- 均线指标根据具体需求可选择不同周期。
COUNT(C!=REF(C,1),2)==1 AND MACD_12_26_9>0 AND HHV(HIGH,2)==HIGH AND MA(CLOSE,20)>MA(CLOSE,120)
python代码参考
def initialize(context):
set_benchmark('000001.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)
def select_stock(context):
stock_list = list(get_index_stocks('000001.XSHG'))
selected = []
for stock in stock_list:
h = attribute_history(stock, 120, '1d', ('high', 'close', 'volume', 'capitalization'), df=True)
close = np.array(h['close'])
high = np.array(h['high'])
macd, signal, hist = tl.MACD(close, fastperiod=12, slowperiod=26, signalperiod=9)
# 选股
if (macd[-1] > 0 and high[-1] == high[-2] and close[-1] > talib.MA(close, timeperiod=20)[-1] > talib.MA(close, timeperiod=120)[-1]):
selected.append(stock)
# 加入财务和基本面指标，并根据估值水平排序
selected = sorted(selected, key=get_valuation, reverse=True)
return selected
def get_valuation(stock):
pass # 计算股票的估值水平和基本面指标
## 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。
