问财量化选股策略逻辑
该选股策略包含三个条件：
- 振幅大于1；
- 日线MACD大于0；
- 当日高点为过去两日的最高点。
选股逻辑分析
该选股策略同样以价格波动和趋势为依据，加入了新的条件需要高点为突破两日的最高点，能够较好的避免高位追涨。此外，选股结果更接近大盘的表现，能够带来更加稳定的市场表现。
有何风险？
该选股策略有以下风险：
- 日线MACD只是一个简单的趋势指标，市场情况可能发生变化无法预测；
- 当日高点为两日内的最高点，可能会错过市场中存在的大涨机会；
- 按照该选股逻辑进行操作，可能需要更高频次的交易，使得成本增加。
如何优化？
为提高该选股策略的精度和准确性，建议优化方向为：
- 引入其他技术指标辅助选股，如RSI、DMI、布林带等，全面评估股票的短期价格波动趋势；
- 筛选出市场中表现较好的板块进行操作，避免单只股票的波动过于大造成投资风险；
- 合理进行资产配置，通过组合多个投资策略降低风险，例如结合股票、债券等不同资产类型。
最终的选股逻辑
综合以上分析，建议完善后的选股策略为：
- 振幅大于1；
- 日线MACD大于0；
- 当日高点为过去两日的最高点；
- 引入其他技术指标辅助选股，如RSI、DMI、布林带等，全面评估股票的短期价格波动趋势；
- 选取市场中表现较好的板块进行操作；
- 合理进行资产配置，通过组合多个投资策略降低风险。
同花顺指标公式代码参考
// 通达信指标公式
VAR1:=(CLOSE-REF(CLOSE,1))/REF(CLOSE,1)*100;
DIF:EMA(VAR1,12);
DEA:EMA(DIF,26);
MACD:(DIF-DEA)*2;
HIGH_2:MAX(HIGH,2);
HIGH_PAST_2:REF(MAX(HIGH,2),1);
SALL:IF(HIGH>HIGH_PAST_2 AND C>=BOLL AND MACD>0,1,0);
python代码参考
def get_stock_by_macd_and_break_peak(tickers, start_date, end_date):
df_price = get_price(tickers, start_date, end_date, frequency='1d', fields=['close', 'high'])
amplitude = (df_price['high'] - df_price['low']) / df_price['close'].shift(1)
macd, signal, hist = talib.MACD(df_price['close'])
high_2 = df_price['high'].rolling(2).max()
high_past_2 = high_2.shift(1)
selection = (df_price['high'] > high_past_2) & (macd > 0) & (amplitude > 0.01)
return df_price[selection]
## 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。
