问财量化选股策略逻辑
选股逻辑：MACD零轴以上、饮料酒进出口概念、30日均线向上。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
该选股策略综合应用了MACD指标、饮料酒进出口概念和股票价格技术指标。MACD指标用于判断价格多空趋势，饮料酒进出口概念用于找出市场中的热点板块和个股，价格技术指标用于判断趋势方向并确定支撑情况。通过综合运用这三个指标，可以找到具有较高技术面和基本面的个股。
有何风险？
以下是该选股策略可能存在的一些风险：
- MACD指标只是价格多空趋势的一个衡量指标，不一定能完全准确的判断趋势；
- 饮料酒进出口概念可能是短期的热点板块，而非结构性机会。过度依赖板块及行业存储风险。
- 只考虑30日均线向上，相对于过多的快递突破等操作，缺少个别特征出现的可能性。
如何优化？
以下是该选股策略的一些优化建议：
- 可以增加其它技术面和基本面指标，如RSI、KDJ、市盈率等；
- 需针对行业特性，进行不同分析策略选股，尽量将结构性机会与大行情的机会区分开来。
- 对技术指标的选择需增加一定的灵活性，针对市场形势和个股特点进行调整。
最终的选股逻辑
该选股策略综合了MACD指标、饮料酒进出口概念和价格技术指标，选取MACD零轴以上、饮料酒进出口概念相关、30日均线向上的股票。通过饮料酒进出口概念进行选股，找到具有高价值、高成长的个股，通过MACD指标判断价格的多空趋势并补充价格技术指标。
同花顺指标公式代码参考
判断MACD零轴以上、饮料酒进出口和30日均线向上: MACD(12,26,9)>0 AND INDUSTRY("饮料-酒业") AND MA(CLOSE,30)>MA(CLOSE,60)
Python代码参考
from jqdata import *
from datetime import datetime, timedelta
def initialize(context):
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.stock_num = 10
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) < g.stock_num:
buy_list = g.stocks_selected[:]
for buying_stock in buy_list:
if not data.can_trade(buying_stock):
continue
order_target_value(
buying_stock,
context.portfolio.portfolio_value/g.stock_num
)
def select_stock(context):
q = query(
valuation.code,
valuation.market_cap,
indicator.macd,
industry.statement_invest_type,
finance.PLR_CQ_Interest_Flo,
).filter(
valuation.code.in_(get_index_stocks('000300.XSHG'))
).filter(
industry.statement_invest_type == '饮料-酒业'
).filter(
indicator.macd.macd_histogram > 0
).filter(
# 要求30日均线向上
finance.PLR_CQ_Interest_Flo > MA(CLOSE, 30)
).order_by(
valuation.market_cap.desc()
).limit(300)
df = get_fundamentals(q)
stock_filtered = []
for stock in df['code']:
if data.can_trade(stock):
stock_filtered.append(stock)
stock_filtered = sorted(stock_filtered, key=lambda x:data[x].macd.macd_histogram, reverse=True)
return stock_filtered[:g.stock_num]
## 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。
