(同花顺量化)2021年_、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、2021年的股票。该选股策略综合考虑了技术面和时段因素,选出具有潜在上涨空间的股票。

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

该选股策略通过MACD指标判断股票是否具有上涨趋势,同时通过三连阴判断股票是否近期表现欠佳。选择2021年的股票可以更好地把握市场的投资机会。该选股逻辑综合考虑了技术面和时段因素,选出具有潜在上涨空间的股票。

有何风险?

该选股策略可能存在以下风险:

  1. 过于依赖技术面因素,可能会忽略一些重要的基本面因素;
  2. 选择时段有可能存在选股样本偏差,不能代表未来市场表现;
  3. MACD指标滞后性,可能存在误判或漏判的情况。

如何优化?

以下是一些优化的建议:

  1. 可以结合其他的技术面指标和基本面因素,综合考虑股票的表现和投资价值;
  2. 可以扩大选股样本时间跨度,考虑更多的历史数据去评估选股策略;
  3. 可以结合市场整体走势、政策面因素等多因素综合风险和收益,考虑本次选股是否仍具有参考价值。

最终的选股逻辑

选股策略:MACD指标零轴以上、三连阴、近1年(2021年)的股票,并结合其他技术面指标和基本面因素,多因素综合进行选股。

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 *
import talib

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    g.selected = []

def handle_data(context, data):
    if context.current_dt.time() != datetime.time(9, 30):
        return
    g.selected = []
    for stock in get_all_securities(types=['stock'], date=context.current_dt.date()).index:
        try:
            close_prices = get_price(stock, end_date=context.current_dt.date(), frequency='daily', fields='close', count=252)
            # 计算MACD指标
            macd, signal, hist = talib.MACD(close_prices, fastperiod=12, slowperiod=26, signalperiod=9)
            # 计算20日均线和60日均线
            ma20 = close_prices.tail(20).mean()
            ma60 = close_prices.tail(60).mean()
            if data[stock].paused or data[stock].is_st or data[stock].low_limit == data[stock].high_limit:
                continue
            # 判断MACD指标是否满足条件
            if hist[-1] > 0 and hist[-2] < 0 and hist[-3] < 0:
                # 判断均线是否满足条件
                if ma20.iloc[-1] > ma60.iloc[-1] * 1.02:
                    g.selected.append(stock)
        except:
            continue
    if len(g.selected) > 0:
        trade(context, g.selected)

def trade(context, selected):
    position_count = len(selected)
    if position_count == 0:
        return
    stock_value = context.portfolio.total_value / position_count
    for stock in selected:
        if stock in context.portfolio.positions:
            order_target_value(stock, stock_value)
        else:
            order_value(stock, stock_value)
    for stock in context.portfolio.positions:
        if stock not in selected:
            order_target(stock, 0)
    ## 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