(iwencai量化策略)macd零轴以上_、大单净量排行、振幅大于1

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

选股逻辑为:振幅大于1,大单净量排行,MACD零轴以上。该选股策略主要是选择短期内出现振幅较大、大单净量排名较高且MACD指标呈现金叉并且在零轴以上的股票,适用于短线操作。

选股逻辑分析

该选股逻辑同样是基于技术面指标进行选股。振幅大于1、大单净量排行符合短线投资者对波段操作的需求,而MACD指标则可以用来判断股票的中短期走势。选股逻辑的特点是筛选出了相对较强的股票,但是忽略了基本面,存在盲目性。

有何风险?

该选股策略同样存在风险。MACD指标本身并不稳定,因此容易出现误判或漏判的情况;同时,该选股策略忽略了基本面因素,如公司财务状况、市场份额、行业发展趋势等,存在贸然进入市场操作的风险。

如何优化?

选股时应注意基本面分析,对一些重要的财务指标进行考察,如净利润、经营现金流等。同时,关注MACD指标的同时可以引入其他指标,如KDJ、CCI等,多个指标综合判断,减少误差。另外,在进行短线操作时要严格执行止盈、止损策略,避免不必要的损失。

最终的选股逻辑

选股条件为:振幅大于1,大单净量排行,MACD零轴以上,同时要进行基本面分析和风险控制,严格执行止盈止损策略。

同花顺指标公式代码参考

# 振幅大于1
SELECT1 = (HIGH - LOW) / HIGH > 0.01

# 大单净量排行
SELECT2 = GET_DRBQ(CODE, NAME, LAST, LASTVOL) >= 0.8

# MACD零轴以上
DIF = EMA(CLOSE, 12) - EMA(CLOSE, 26)
DEA = EMA(DIF, 9)
MACD = (DIF-DEA) * 2
SELECT3 = (MACD >= 0)

SELECT = SELECT1 AND SELECT2 AND SELECT3

SORT_BY = '成交额'
SORT_ASCEND = False

以上是计算选股逻辑的同花顺指标公式。需要根据实际情况进行具体调整,以得到更加准确的选股结果。

Python代码参考

import pandas as pd
import numpy as np
import tushare as ts

def get_selected_stocks():
    # 获取tushare连接
    ts.set_token('Your Token')
    pro = ts.pro_api()

    # 获取股票数据
    stock_data = pro.daily(ts_code='000001.SZ', start_date='20220101', end_date='20220301')

    # 进行选股
    selected_stocks = []

    for idx, row in stock_data.iterrows():
        # 判断振幅大于1、大单净量排行、MACD指标呈现金叉且在零轴以上
        dif = row['close'].ewm(span=12).mean() - row['close'].ewm(span=26).mean()
        dea = dif.ewm(span=9).mean()
        macd = (dif - dea) * 2
        if (row['high'] - row['low']) / row['high'] <= 0.01 or \
        GET_DRBQ(row['ts_code'], row['name'], row['close'], row['vol'] < 0.8 or \
        macd[-1] <= 0:
            continue

        if row['amount'] == 0 or row['close'] == 0:
            continue

        # 根据筛选条件选取标的
        selected_data = {}
        selected_data['ts_code'] = row['ts_code']
        selected_data['stock_name'] = row['name']
        selected_data['stock_price'] = row['close']
        selected_data['circ_market_cap'] = row['circ_mv']
        # 可添加其他指标
        selected_stocks.append(selected_data)

    # 按成交额从高到低排序
    selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], reverse=True)

    return selected_stocks_sorted

以上为Python代码实现,选股逻辑为:振幅大于1,大单净量排行,MACD零轴以上。同样需要根据实际需求进行修改,加入其他指标、基本面因素等因素综合判断,以及风险控制措施等。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论

需要帮助?

试试AI小助手吧