(同花顺量化)30日平均线向上_、三连阴、macd零轴以上

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

选股逻辑:MACD指标零轴以上、三连阴、30日平均线向上。该选股策略通过技术面分析,选出价格走势稳定、同时具备一定上涨潜力的股票作为投资对象。

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

该选股策略是基于技术面分析,通过MACD指标确定股票的趋势,判断连续下跌的天数,并通过30日平均线的趋势确定股票是否具有上涨潜力。选股的目的是为了挑选出走势相对稳定、同时具备一定上涨潜力的股票,以达到资产增值的目的。

有何风险?

该选股策略可能存在的一些风险:

  1. 选股策略依赖于历史数据,不能完全预测未来股价,存在风险;
  2. 选股策略过于依赖于MACD指标和长期均线,忽略了其他技术指标的影响;
  3. 选股策略中过于追求股价涨幅,可能存在高买低卖的风险。

如何优化?

以下是一些优化建议:

  1. 综合使用多项指标进行分析,避免单一指标依赖性过强;
  2. 加入基本面分析,考虑盈利能力,财务状况等因素;
  3. 不过于追求股价的绝对涨幅,可以参考市场整体走势以及行业板块情况,避免过度关注个别股票的走势。

最终的选股逻辑

选股策略:MACD指标零轴以上、三连阴、30日平均线向上。该选股策略通过技术面的多项指标,结合公司基本面的分析,寻找价格走势稳定、同时具备一定上涨潜力的股票作为投资对象。

同花顺指标公式代码参考

  • MACD指标:MACD(12,26,9)

Python代码参考

from jqdata import *

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    run_daily(before_market_open, time='before_open', reference_security='000300.XSHG')

def before_market_open(context):
    selected_stocks = []
    for stock in get_all_securities(types=['stock'], date=context.current_dt.date()).index:
        try:
            # 股票是否为主板股
            stock_type = get_security_info(stock).type
            if stock_type != 'stock':
                continue
            if len(get_price(stock, end_date=context.current_dt.date(), frequency='daily', fields=['close'], count=31)) != 31:
                # 如果不是交易日或者股票停牌,则跳过
                continue
            close_prices = history(31, '1d', 'close', stock, adjust_type='pre')
            if close_prices[-3:].pct_change().dropna().mean() > 0:
                # 不是三连阴
                continue
            # 30日均线向上
            ma30 = close_prices.rolling(window=30).mean()
            if ma30[-1] < ma30[-2]:
                continue
            macd_data = get_macd(stock, count=1)
            if macd_data['macd'][0] < macd_data['dea'][0]:
                continue
                
            selected_stocks.append(stock)
        except:
            continue
    trade(selected_stocks)

def trade(selected):
    position_count = len(selected)
    if position_count == 0:
        return
    stock_value = context.portfolio.total_value / (position_count + 1)

    for stock in selected:
        if stock in context.portfolio.positions:
            order_target_value(stock, stock_value)
        else:
            order_value(stock, stock_value)

def handle_data(context, data):
    pass
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论