问财量化选股策略逻辑
选股逻辑为：振幅大于1、近一个月内有过涨停、MACD零轴以上的股票。该选股策略关注股票价格波动、市场热度以及技术指标的短期趋势，寻找具有一定上涨潜力和投资价值的股票。
选股逻辑分析
该选股逻辑继续关注价格波动和市场热度等基础因素，同时引入了 MACD 技术指标，以短期趋势为参考，寻找未来具备上涨潜力的股票。在多重因素的综合考量中，增强了筛选判断的准确性。
有何风险？
该选股策略存在以下风险：
-
市场波动剧烈时，高振幅的股票存在比较大的风险，故需谨慎考虑风险和收益的平衡。
-
过度依赖技术指标，可能会在选股时忽略基本面因素，导致评估不准确。
-
MACD 技术指标的短期趋势预测能力有限，也可能会由于假信号的存在出现选股失误的情况。
如何优化？
为了优化该选股策略，可以考虑以下措施：
-
综合考虑基础面和技术面因素，在选股时更全面、更全面地评估股票的价值和潜力。
-
引入其他技术指标如均线、KDJ 等，提高选股策略的短期预测能力和筛选准确性。
-
加强风险控制和资产分散，确保投资组合的稳健性和收益性。
最终的选股逻辑
选股策略为：振幅大于1、近一个月内有过涨停、MACD零轴以上的股票。该选股策略中综合考虑了股票价格波动、市场热度和技术指标的短期趋势，以全面评估股票的上涨潜力和投资价值。
同花顺指标公式代码参考
A>1 AND HHV(REF(C,1),21)=C AND MACD()>=0
其中 A 表示当日股票振幅，HHV(REF(C,1),21)=C 代表近一个月内存在过涨停板现象，MACD()>=0 则代表股票 MACD 指标值大于等于零。其他参数参考前述选股逻辑和分析。
python代码参考
from gm.api import *
set_token("your_token_here")
start_date = "2021-01-01" # 回测开始日期
end_date = "2022-01-01" # 回测结束日期
# 获取历史股票信息
stocks_all = get_history_instruments(type=InstrumentType.Stock, market=Market.SSE, max_count=10000)
symbols_all = [s.symbol for s in stocks_all]
# 获取对应股票的历史信息
bars_all = history(symbol=symbols_all, frequency="1d", start_time=start_date, end_time=end_date, fields="open, close, high, low, amount", df=True)
# 计算股票的 MACD 指标
macd_all = macd(symbol=symbols_all, frequency="1d", fast_period=12, slow_period=26, signal_period=9, start_time=start_date, end_time=end_date, fields="macd", df=True)
# 计算股票的交易振幅
amplitude_all = (bars_all.high - bars_all.low) / bars_all.close
# 剔除不符合标准的股票
bar_selected = bars_all.loc[amplitude_all > 0.01]
macd_selected = macd_all.loc[macd_all.macd >= 0]
selected_bars = bar_selected.loc[macd_selected.index]
# 打印选中的股票代码
print(selected_bars.index.get_level_values(0).unique())
该代码在获取股票历史信息和计算 MACD 指标后，通过 Pandas DataFrame 对象进行选择和筛选，代码可以在量化平台和本地 Python 环境中执行。
## 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。
