问财量化选股策略逻辑
选股逻辑：MACD零轴以上、DEA上涨、9点25分涨幅小于6%。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
该选股策略综合运用了技术分析与基本面分析，选股逻辑为MACD零轴以上、DEA上涨、9点25分涨幅小于6%。MACD与股价结合分析可以反映出市场的交易信号等，9点25分涨幅小于6%可以反映出热点不明显的股票。
有何风险？
以下是该选股策略可能存在的一些风险：
- 必须及时更新数据：9点25分的数据可能存在延迟，需要及时更新数据，避免产生选股误差；
- 该选股逻辑仅关注热点不明显的股票：该选股策略忽略了一些在热点行情中表现优秀的股票，可能存在错过潜在收益的风险；
- 忽略了一些基本面因素：该选股策略忽略众多的基本面因素，如财务指标等，可能存在被市场变动影响的风险。
如何优化？
以下是该选股策略的一些优化建议：
- 结合其他指标：应结合其他指标如市盈率、市净率等进行筛选，综合分析；
- 在选股策略的同时，关注热点行情：即在选股策略的同时，应关注市场行情，选择在当前热点中表现优秀的行业和个股；
- 定期持续优化与更新数据来源：持续跟踪并优化数据来源，以减小数据误差。
最终的选股逻辑
该选股策略在根据MACD和9点25分涨幅进行选股的基础上，选股逻辑为MACD零轴以上、DEA上涨，9点25分涨幅小于6%进行选股，选出排名前列的股票。
同花顺指标公式代码参考
- 判断MACD零轴以上、DEA上涨：MACD（12,26,9)：DIF=EMA（CLOSE，12）-EMA（CLOSE，26）;DEA=EMA（DIF，9）;DIF>DEA；
- 判断9点25分涨幅小于6%：REF(CLOSE,1)/REF(CLOSE,1)-1<0.06；
python代码参考
from jqdata import *
import talib
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)
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 = 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/len(buy_list)
)
def select_stock(context):
stocks_universe = get_index_stocks('000300.XSHG')
filter_ = (
lambda security:
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] > 0 and
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] >
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[1][-1] and
(data[security].close / data[security].high_limit - 1) * 100 < 6 and
REF(CLOSE,1)/REF(CLOSE,1)-1 < 0.06
)
stock_filtered = list(filter(lambda s: filter_(s), stocks_universe))
stock_selected = sorted(
stock_filtered,
key=lambda sec: get_fundamentals(
query(
valuation.market_cap
),
security_list=[sec]
)['market_cap'],
reverse=True
)
return stock_selected
## 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。
