问财量化选股策略逻辑
选股逻辑：MACD指标零轴以上，今日上涨大于1%，属于主板股票，非科创板股票。
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
该选股策略同样基于技术面和股票基本面因素进行选择。首先通过MACD指标判断股票趋势，选取MACD指标零轴以上的股票；然后通过判断今日股价是否上涨，当日涨幅是否大于1%；再筛选主板股票作为选股范围；最后不投资科创板股票。此外，考虑股票的基础面，以筛选那些成长潜力强的公司。
有何风险？
以下是该选股策略可能面临的风险：
- 选股策略基于MACD指数进行股票判断，忽略了其他的技术性指标，对于市场短期波动的适应性不足；
- 盲目追求当日涨幅和股票类型的选择，可能将优秀的科技股筛选出去；
- 近期的短期涨跌幅对于该策略的影响大，对于长期的趋势影响不足。
如何优化？
以下是几个优化该选股策略的建议：
- 对于选股指标的选取，可以考虑加入其他传统技术指标，如KDJ或RSI指标等，以更全面的判断股票是否具有增长性；
- 除了股票涨跌幅的突发性，可以充分考虑对于股票趋势的判定，以修正目前选股策略中的趋势指标；
- 筛选股票时可以选取历史数据进行回测，从中获得更为切实的筛选结果；
- 对于科技股的选择，可以选择优秀基本面的科技股，而非直接排除所有科创板股票。
最终的选股逻辑
选股策略：MACD指标零轴以上，今日上涨大于1%，属于主板股票，非科创板股票。
同花顺指标公式代码参考
SELECT S_CODE
FROM STOCK_OHLC_PRICE
WHERE
-- MACD指标零轴以上
MACD(S_CODE, 12, 26, 9) > 0
-- 今日上涨大于1%
AND (CLOSE - S_REF(1, CLOSE))/S_REF(1, CLOSE) > 0.01
-- 属于主板股票
AND PLATE(S_CODE) LIKE '%主板%'
-- 非科创板股票
AND PLATE(S_CODE) NOT LIKE '%科创板%'
ORDER BY AVGTRDNUM(30)/AVGTRDNUM(180) DESC
Python代码参考
# 初始化
def initialize(context):
set_benchmark('000300.XSHG')
# 获取所有主板非科创板股票
g.all_stocks = []
all_main_stocks = get_index_stocks('000001.XSHG') + get_index_stocks('399001.XSHE')
for stock in all_main_stocks:
name = get_security_info(stock).name
if '主板' in name and '科创板' not in name:
g.all_stocks.append(stock)
g.selected_stocks = []
# 每天运行选股逻辑
run_daily(select_stocks, time_rule=market_open(hour=0.5))
# 选股逻辑
def select_stocks(context):
# 遍历所有股票，进行筛选
selected_stocks = []
for stock in g.all_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, fields=['open', 'close', 'high', 'low']), fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] <= 0:
continue
# 如果今日上涨小于1%，或不属于主板非科创板股票，跳过
today_increase = (get_price(stock, count=2, end_date=context.current_dt, frequency='1d', fields=['close'])['close'][-1] - get_price(stock, count=2, end_date=context.current_dt, frequency='1d', fields=['close'])['close'][0]) / get_price(stock, count=2, end_date=context.current_dt, frequency='1d', fields=['close'])['close'][0]
if today_increase <= 0.01 or ('主板' not in get_security_info(stock).name) or ('科创板' in get_security_info(stock).name):
continue
# 添加到筛选结果中
selected_stocks.append(stock)
# 按照成交量排序，选择前5个
selected_stocks = sorted(selected_stocks, key=lambda s: get_price(s, count=1, end_date=context.current_dt, frequency='1d', fields=['volume'])['volume'][0], reverse=True)[:5]
g.selected_stocks = selected_stocks
# 卖出不在筛选结果中的股票
for stock in context.portfolio.positions:
if stock not in selected_stocks:
order_target(stock, 0)
# 买入新选出的股票
for stock in selected_stocks:
if stock not in context.portfolio.positions:
order_target_value(stock, context.portfolio.total_value/5)
## 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。
