问财量化选股策略逻辑
选股逻辑：MACD零轴以上、公司2021年营收/2018年营收大于1.1、500日内至少2次涨停。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），有何风险？（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），请使用 markdown 格式。
选股逻辑分析
该选股策略结合了技术面和基本面以及市场情绪特征，采用了MACD指标和公司营收增长情况作为筛选指标，同时考虑了股票市场情绪，筛选趋势良好且股票资金较为活跃的股票。MACD零轴以上代表股票现在的短期动量变化趋势向上，公司21年营收/18年营收大于1.1代表公司具有一定的营收增长能力，500日内至少2次涨停代表了市场对该股票的认可和追捧。综合考虑以上三个指标，能够筛选出拥有良好趋势、成长性优良且市场情绪长期向好的股票。
有何风险？
以下是该选股策略可能存在的一些风险：
- MACD指标滞后性大，容易发生错误判断；
- 公司2018年营收的历史数据可能不够充分，不太能代表公司的整体情况；
- 过于依赖短期市场情绪，可能会导致选股结果相对不稳定；
- 筛选的选股数量过少，可能会导致风险和回报都变得不稳定。
如何优化？
以下是对该选股策略的一些优化建议：
- 除MACD指标外，可以加入RSI等指标作为较为稳健的筛选指标，加强对市场趋势判断的准确度；
- 选择一定数量的历史财务数据参考，避免单一数据指标对公司营收的影响；
- 考虑加入更多的市场情绪和交易量的指标，如成交量和换手率等来加强筛选过程；
- 加入风险控制策略，定期清理不符合条件的股票。
最终的选股逻辑
综合考虑MACD指标、公司营收增长情况和市场情绪，选取市值排名前500的股票中MACD零轴以上、公司2021年营收/2018年营收大于1.1、500日内至少2次涨停的股票。最终选股逻辑为：MACD零轴以上、公司2021年营收/2018年营收大于1.1、500日内至少2次涨停。
同花顺指标公式代码参考
- MACD指标（12,26,9）：DIF=EMA(CLOSE,12)-EMA(CLOSE,26); DEA=EMA(DIF,9); MACD=(DIF-DEA)*2;
Python代码参考
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.capital_base = context.portfolio.starting_cash
g.stocks_selected = []
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[:5]
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):
#获取市值大于100亿元的股票
stock_universe = get_index_stocks('000300.XSHG')
#筛选MACD>0并且公司2018年营收增长率大于1.1的股票
ma5 = data.history(stock_universe, 'close', 5, '1d').mean(axis=0)
ma10 = data.history(stock_universe, 'close', 10, '1d').mean(axis=0)
is_ma5_cross_ma10 = talib.CROSS(ma5, ma10)[0] > 0
# 筛选500日内至少2次涨停的股票
q = query(
valuation.code
).filter(
valuation.code.in_(stock_universe),
valuation.increase_ratio>9.5
).order_by(
valuation.increase_ratio.desc()
).limit(
2000
)
df = get_fundamentals(q).fillna(value=0)
stocks = list(df.code)
ret = []
for s in stocks:
is_limit_up_twice = len(data.history(s,'high',2,'1d').iloc[:2][data.history(s,'high',2,'1d').iloc[:2] == data.history(s,'high',2,'1d').iloc[-1]]) > 1
if not is_limit_up_twice:
continue
if not is_ma5_cross_ma10[s]:
continue
if MACD(s, 26, 12, 9)[-1] > 0:
ret.append(s)
return ret
## 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。
