问财量化选股策略逻辑
在问财量化中，我们可以通过以下策略来实现今日增仓占比>5%,涨幅<2.6且涨幅>-5,macd零轴以上的选股逻辑：
def my_strategy(data):
# 今日增仓占比
today_buy = data['net_buy_amount'] / data['total_amount']
# 涨幅
price_change = data['close'] - data['close'].shift(1)
# 零轴以上
macd = talib.MACD(data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
macd_diff = macd['diff']
macd_signal = macd['signal']
macd_zero = macd_diff + macd_signal == 0
# 今日增仓占比>5%,涨幅<2.6且涨幅>-5
cond1 = today_buy > 0.05
cond2 = price_change < 0.026
cond3 = price_change > -0.05
# 逻辑判断
result = cond1 & cond2 & cond3
return result
选股逻辑分析
该策略的逻辑是：今日增仓占比大于5%，涨幅小于2.6%，且涨幅大于-5%。这些条件的组合可以筛选出在一定范围内表现较好的股票。
有何风险？
该策略的局限性在于，它只能筛选出符合特定条件的股票，而不能判断这些股票未来的走势。因此，投资者在使用该策略时，需要结合其他因素进行分析和决策。
如何优化？
该策略可以通过调整条件的限制范围来优化，例如将条件放宽或收紧，以筛选出更符合投资者需求的股票。此外，还可以通过加入其他指标或技术分析方法来提高策略的准确性和可靠性。
最终的选股逻辑
最终的选股逻辑如下：
def my_strategy(data):
# 今日增仓占比
today_buy = data['net_buy_amount'] / data['total_amount']
# 涨幅
price_change = data['close'] - data['close'].shift(1)
# 零轴以上
macd = talib.MACD(data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
macd_diff = macd['diff']
macd_signal = macd['signal']
macd_zero = macd_diff + macd_signal == 0
# 今日增仓占比>5%,涨幅<2.6且涨幅>-5
cond1 = today_buy > 0.05
cond2 = price_change < 0.026
cond3 = price_change > -0.05
# 逻辑判断
result = cond1 & cond2 & cond3
return result
其中，条件的限制范围可以根据投资者的需求进行调整。
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。
