问财量化选股策略逻辑
选股逻辑：MACD指标零轴以上，归属母公司股东的净利润（同比增长率）大于20%小于等于100%，500日内至少2次涨停。本选股策略旨在挖掘业绩增长快，市场热度高的股票。
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
该选股策略基于MACD指标和归属母公司股东的净利润进行筛选，并添加了至少2次涨停的要求，目的是挖掘增长性好且市场热度高的股票。然而，选股过程中忽略了其他重要的行情信息，风险较高。
有何风险？
该选股策略有以下风险：
- 忽略了公司财报的细节，可能导致错过一些重要信息。
- 单纯关注涨停次数，忽略了股价是否超出合理范围，可能会导致股票投资损失。
- 忽略了其他重要的技术面和基本面指标，不能全面地反映股票的表现。
如何优化？
以下是一些优化建议：
- 加入其他技术面指标和基本面指标，挖掘更多可能具有潜力的股票，做到多维度综合筛选。
- 除了关注涨停次数，还应关注其背后的原因和市场情绪，避免捕捉到超出合理范围的股价。
- 做好风险控制，规避市场风险。在交易中，要做到稳健投资，切勿盲目追涨杀跌。
最终的选股逻辑
选股策略：MACD指标零轴以上，归属母公司股东的净利润（同比增长率）大于20%小于等于100%，500日内至少2次涨停，并且相应的市场情绪有效地支持其股价的上涨。
同花顺指标公式代码参考
SELECT CODE,SECNAME FROM (
SELECT
CODE,SECNAME,
CROSS(MACD(12,26,9),0)>0,
YOY(NET_PROFIT,1) > 20/100 AND YOY(NET_PROFIT,1) <= 100/100,
COUNT(CLOSE>=T1.CLOSE*1.1 OR HIGH>=T1.CLOSE*1.1 OR OPEN>=T1.CLOSE*1.1 OR LOW>=T1.CLOSE*1.1)>=2
FROM
INDICDATA WHERE TRADEDATE>=REFDATE(NOW, -7) AND KIND='STK' AND MARKET='SHSZ' AND MINTIME='1'
AND REFDATE(NOW, -500) <= TRADEDATE)
WHERE 1=1 LIMIT 100"
Python代码参考
# 初始化
def initialize(context):
set_benchmark('000300.XSHG')
# 获取所有股票
g.all_stocks = list(get_all_securities(types=['stock']).index)
# 每周运行选股逻辑
run_weekly(select_stocks, weekday=4, time_rule=market_open(hours=1))
# 选股逻辑
def select_stocks(context):
# 获取当前股票池
trash_stocks = list(filter(lambda s: not get_current_data()[s].is_trading, g.all_stocks))
stocks = list(set(g.all_stocks) - set(trash_stocks) - set(context.portfolio.positions.keys()))
# 遍历所有股票，进行选择
g.stock_dict = {}
for stock in stocks:
# 如果MACD指标零轴以下，跳过
dif, dea, macd = talib.MACD(get_price(stock, frequency='1d', count=200, end_date=context.previous_date), fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] <= 0:
continue
# 如果净利润同比增长率不过关，跳过
q1 = query(income.statDate, income.netProfitYoYRatio, stock.status).filter(
income.code == stock, income.statDate >= (get_today() - datetime.timedelta(days=365*2)))
data1 = get_fundamentals(q1)
if data1.empty or data1['net_profit_yoy_ratio'][0] <= 0.2 or data1['net_profit_yoy_ratio'][0] > 1:
continue
# 判断涨停次数
count = 0
prices = get_price(stock, frequency='1d', end_date=context.previous_date)
for i in range(len(prices)):
if i >= 2 and (prices['close'][i] >= prices['close'][i-1]*1.1 or prices['high'][i] >= prices['close'][i-1]*1.1 or prices['open'][i] >= prices['close'][i-1]*1.1 or prices['low'][i] >= prices['close'][i-1]*1.1):
count += 1
if count < 2:
continue
g.stock_dict[stock] = True
# 按照结果排序
high_value_stocks = sorted(g.stock_dict.keys(), key=lambda s: data1[data1['code'] == s].iloc[-1]['trade_amount'], reverse=True)[:5]
if len(high_value_stocks) > 0:
buy_list = [(s, 1) for s in high_value_stocks]
else:
buy_list = []
# 调仓
adjust_position(context.portfolio.positions, buy_list, [], [])```
## 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。
