问财量化选股策略逻辑
选股逻辑：振幅大于1，股票流通市值大于2亿，MACD的零轴以上。选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股逻辑要求振幅大于1，股票流通市值大于2亿和MACD在零轴以上。振幅大于1可以反映出股票价格波动较大，具有一定的交易活跃度；流通市值大于2亿可以筛选出有一定规模和市场关注度的股票；MACD在零轴以上通常表示股票价格较强势。该选股逻辑具有一定可操作性，可以一定程度上筛选出股票中的高价值股。
有何风险？
该选股逻辑的风险如下：
- 振幅大的股票存在较大的交易风险；
- MACD在零轴以上不一定代表股票价格将继续上涨，市场风险依旧存在；
- 该选股逻辑较为简单，可能会忽略其他重要的因素，如基本面和市场热点等。
如何优化？
为了优化该选股逻辑，可以考虑以下方面：
- 增加其他基本面和技术面因素，如市盈率、市净率、成交量、涨跌幅等；
- 对MACD等指标进行更加精细的参数调整和分析，以提高选股策略的准确率；
- 通过加强风险控制和风险意识，降低交易风险和投资风险。
最终的选股逻辑
综合考虑市场变化和筛选信号，建议使用以下选股逻辑：
- 振幅大于1的股票；
- 股票流通市值大于2亿；
- MACD在零轴以上的股票。
同花顺指标公式代码参考
该选股策略基于流通市值和MACD指标进行计算和分析，可以使用通达信系统进行筛选，以下是参考代码：
/*
分析振幅、流通市值和MACD进行股票筛选
*/
SET MA1 = MA(C, 12), MA2 = MA(C, 26);
SET DIFF = MA1 - MA2, DEA = MA(DIFF, 9), MACD = (DIFF - DEA) * 2;
SELECT IF(AMO!=0 AND AMP_RATE>1 AND ((TOTALCAPITAL*10000)/AMOUNT)>=2 AND MACD>=0, 1, 0) as stock_filter;
Python代码参考
该选股策略可以使用Tushare的数据接口进行计算和分析，以下是参考代码：
import tushare as ts
def is_selected(code):
'''
判断股票是否符合选股逻辑
'''
# 获取股票基本面信息
stock_basics = ts.get_stock_basics()
base = stock_basics[stock_basics.index == code]
if base.empty or (base['totals'].values[0] * base['price'].values[0]) < 2e8:
return False
# 判断股票是否符合振幅条件
k_data = ts.get_k_data(code)
if (k_data['high'] - k_data['low']) / k_data['turnover'].mean() < 0.01:
return False
# 判断股票是否符合MACD条件
macd, signal, hist = ta.MACD(k_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if macd.iloc[-1] < 0:
return False
return True
# 获取符合选股逻辑要求的股票列表
selected_stocks = ts.get_stock_basics().index[ts.get_stock_basics().apply(is_selected, axis=1)].tolist()
# 根据选股结果进行后续交易操作
for code in selected_stocks:
pass # 参考其他交易策略
该代码基于Tushare提供的股票数据，使用基本面和技术面因素进行股票选股，并提供了更好的定制性和可扩展性。
## 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。
