问财量化选股策略逻辑
选股逻辑为：振幅大于1，企业性质，MACD零轴以上。
选股逻辑分析
选股逻辑中振幅大于1表示选股对短期波动相对敏感，企业性质体现了选股策略对公司基本面的关注。同时，选股逻辑中加入MACD零轴以上的概念，体现了选股对技术面的重视。
有何风险？
选股逻辑中忽略了宏观经济状况和政策风险等因素的影响，可能会导致选股结果与市场整体走势不相符。另外，MACD零轴以上可能为股票短期表现带来一定的优势，但也存在一定的风险，如可能会忽略长期趋势等因素。
如何优化？
选股逻辑可以从以下两个方面进行优化：
- 在企业基本面和技术面的选择上，可以综合多指标进行分析，加入更多的技术面指标进行深度挖掘，提高选股准确度；
- 可以结合市场宏观经济状况和政策风险等因素，加入多因素综合评估模型，降低选股风险。
最终的选股逻辑
最终的选股逻辑如下：
- 振幅大于1；
- 选择指定企业性质；
- MACD零轴以上。
同花顺指标公式代码参考
选股逻辑的同花顺指标公式代码如下：
/* 选股公式 */
SELECT: (HIGH-LOW)/REF(CLOSE,1)>0.01 AND XX企业性质 AND MACD()>=0;
Python代码参考
适用于tushare库的Python选股代码如下：
import tushare as ts
from datetime import datetime, timedelta
from talib import MACD
def is_selected(code):
# 判断股票是否满足选股逻辑
hist_data = ts.get_hist_data(code)
if hist_data is None or len(hist_data) < 20:
return False
if (hist_data['high']-hist_data['low'])/hist_data['close'].shift(1) <= 0.01:
return False
if not XX企业性质:
return False
# MACD零轴以上
diff, dea, _ = MACD(hist_data['close'])
if diff.iloc[-1] >= 0 and dea.iloc[-1] >= 0:
return True
return False
# 获取股票列表，遍历股票进行选股
stocks = ts.get_stock_basics()
selected_stocks = []
for code, row in stocks.iterrows():
if is_selected(code):
selected_stocks.append(code)
# 利用选股结果进行股票交易
for code in selected_stocks:
pass # 参考其他策略
注意选股策略中存在的风险和局限性，要综合考虑多种因素，做出接近的分析和判断。
## 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。
