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、2021年。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
该选股策略以MACD指标、饮料酒行业进出口情况、以及股票2021年的涨跌情况为基本选股指标，旨在筛选出MACD指标较为健康的、饮料酒行业进出口较为活跃的、2021年表现较好的股票。其中，MACD指标反映了当前市场走势情况，饮料酒行业进出口情况反映了行业的基本面因素，股票2021年涨跌情况反映了股票近期表现情况。
有何风险？
以下是该选股策略可能存在的一些风险：
- MACD指标仍然可能存在滞后的情况，导致选股表现不尽如人意；
- 饮料酒进出口情况可能会收到国际贸易环境等因素的影响，也可能出现波动较大的情况；
- 基于单一年份的涨跌情况，不能充分反映该股票的长期情况。
如何优化？
以下是该选股策略的一些优化建议：
- 可以加入其他技术指标，例如RSI、DMA等指标，以提高选股准确率；
- 可以加入其他基本面因素，例如市盈率、市净率等指标，以全面衡量股票基本面情况，避免仅考虑市场热度的情况；
- 可以选取更长的交易周期，尽可能排除市场短期波动的影响。
最终的选股逻辑
该选股策略以MACD指标、饮料酒行业进出口情况、和股票2021年涨跌情况为主要选股指标，选出MACD零轴以上、饮料酒进出口数据为1、2021年涨跌均为正数的股票作为选股结果。
同花顺指标公式代码参考
选股公式 : C1>C1[1] AND
DV2>0 AND
ABS((HIGH-DELAY(CLOSE, 1))/DELAY(CLOSE, 1)) < 0.0988 AND
stock_valuation.industry_sw_level1_name in ("饮料制造", "啤酒制造", "白酒制造")
Python代码参考
from jqdata import *
def initialize(context):
pass
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)
for buying_stock in g.stocks_selected:
if not data.can_trade(buying_stock):
continue
order_target_value(
buying_stock,
context.portfolio.portfolio_value/len(g.stocks_selected)
)
def select_stock(context):
q = query(
valuation.code,
finance.LTG_HS,
stock_valuation.industry_sw_level1_name,
technical_indicator.macd(macd1=12, macd2=26, macd3=9).macd,
indicator.abs(
(indicator.high() - indicator.delay(indicator.close()))/indicator.delay(indicator.close())
) < 0.0988,
).filter(
valuation.code.ilike("%%%%"),
stock_valuation.industry_sw_level1_name.in_(
['饮料制造', '啤酒制造', '白酒制造']
),
technical_indicator.macd(macd1=12, macd2=26, macd3=9).macd > 0,
finance.LTG_HS == 1,
C1 > C1[1],
abs((HIGH - REF(CLOSE,1))/REF(CLOSE,1)) < 0.0988
).order_by(
valuation.circulating_market_cap.asc()
).limit(
20
)
df = get_fundamentals(q).fillna(value=0)
return list(df['code'])
## 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。
