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；
- MACD零轴以上。
选股逻辑分析
该选股策略主要考虑了股票价格的波动和短期趋势等因素，以筛选出近期表现良好的股票。其中的MACD零轴以上指标，意味着股票收盘价是处于快线和慢线差值为正的状态，即处于上涨趋势中。该选股策略较为简单易懂，更适用于短线操作。
有何风险？
该选股策略存在一定的局限性和不足。一方面，振幅、MACD等指标是有一定滞后性的，难以完全反映市场风险和变化。另一方面，该策略的选股思路相对单一，可能导致筛选出的股票风险较大，对投资者的要求也较高。
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：
- 加入其他技术指标，如KDJ、RSI等，以进一步判断市场风险；
- 增加股票基本面分析的维度，从行业、公司财务等多角度提高选股精度；
- 探索长线策略，考虑季度、年度等不同周期投资；
- 严格控制下单量、买卖比例和资产分散度等投资风险因素；
- 使用机器学习算法进行量化分析，进一步提高选股精度。
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；
- MACD零轴以上；
- 加入其他技术指标，如KDJ、RSI等；
- 增加股票基本面分析的维度，从行业、公司财务等多角度提高选股精度；
- 探索长线策略，可分别考虑季度、年度等不同周期投资；
- 严格控制下单量、买卖比例和资产分散度等投资风险因素；
- 使用机器学习算法进行量化分析，进一步提高选股精度。
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,9);
MACD:(DIF-DEA)*2,COLORSTICK;
python代码参考
import talib
df = get_price(ticker, start_date, end_date, frequency)
amplitude = (df['high'] - df['low']) / df['pre_close']
macd, signal, hist = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
zero_line = 0
macd_above_zero = macd > zero_line
result = df[(amplitude > 0.01) & (macd > 0) & macd_above_zero]
## 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。
