问财量化选股策略逻辑
选股逻辑：MACD零轴以上、2021年营收/2018年营收大于1.1、换手率3%-12%。
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。分析以上的选股逻辑（每个逻辑以 "," 进行分隔），分析选股的逻辑（放入标题为 ## 选股逻辑分析 的段落），有什么风险？（放入标题为 ## 有何风险？ 的段落）如何优化？（放入标题为 ## 如何优化？ 的段落），并最终给出完善选股逻辑（放入标题为 ## 最终的选股逻辑 的段落），请使用markdown格式。
选股逻辑分析
该选股逻辑继续基于MACD指标和营收比较，加入了一个针对换手率的要求。选取MACD零轴以上、2021年营收/2018年营收大于1.1且换手率在3%~12%区间的股票进行投资。换手率的要求考虑了短期内投资者对该公司的情绪波动，挑选相对稳定的股票。
有何风险？
以下是该选股逻辑可能存在的一些风险：
- 选股逻辑仍然过于依赖营收比较，没有对其他基本面因素进行充分的考虑。
- MACD指标不一定准确，存在滞后和虚假信号的情况，需要结合其他指标使用。
- 换手率要求可能导致筛选结果过于严格，筛选出的股票可能过少。
如何优化？
以下是对该选股逻辑的优化建议：
- 加入其他技术指标和基本面指标，比如市盈率、市净率等指标，以便更全面的评估股票质量和风险。
- 应该加强对换手率的理解和研究，了解换手率的变化趋势和影响因素。根据实际情况调整筛选要求。
- 注意选股结果的多样性，避免股票过于集中在某一行业，风险过于集中。
最终的选股逻辑
选股结果包含MACD零轴以上、2021年营收/2018年营收大于1.1且换手率在3%~12%区间的股票。
同花顺指标公式代码参考
- 选股公式：
SYMBOLINDUSTRYCATEGORY(1413) <> '投资公司' AND SYMBOLINDUSTRYCATEGORY(1413) <> '证券' AND SYMBOLINDUSTRYCATEGORY(1413) <> '银行' AND
CROSS(MACD(12,26),0) AND
REF(JAQS_SALES_OPER_REV, 4)/REF(JAQS_SALES_OPER_REV, 20) > 1.1 AND
HHV(BARSLAST(HIGH/REF(CLOSE,1)-1+1),5)<0.12 AND MAX(BARSLAST(VOLUME),5)>=1000000
python代码参考
def initialize(context):
set_benchmark('000300.XSHG')
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
set_option('avoid_future_data', True)
g.capital_base = context.portfolio.starting_cash
def select_stock(context):
stock_list = get_index_stocks('000300.XSHG')
selected = []
for stock in stock_list:
if not is_element_of_valid_industry(context, stock):
continue
h = attribute_history(stock, 21*20, '1d', ('open', 'close', 'high', 'low', 'volume'), df=True)
has_limit_up = max(h['close'][-20:]) / min(h['close'][-20:]) >= 1.0995
# 预处理营收数据
if len(h) < 21*20 or h['close'][-1] < 5 or h.isnull().values.any():
continue
fiscal_year_2018 = get_fiscal_quarter(h, 2018, 12)
fiscal_year_2021 = get_fiscal_quarter(h, 2021, 12)
if fiscal_year_2018 == fiscal_year_2021:
continue
revenue_ratio = fiscal_year_2021 / fiscal_year_2018
# 选股
if talib.CROSS(talib.MACD(h['close'], fastperiod=12, slowperiod=26, signalperiod=9), 0)[-1] \
and revenue_ratio > 1.1 and 0.03 <= hhv_ratio(h) <= 0.12 \
and talib.MAX(h['volume'][-5:], timeperiod=5)[-1] >= 1000000:
selected.append(stock)
return selected
def is_element_of_valid_industry(context, stock):
if 'SYMBOLINDUSTRYCATEGORY' not in context.tdays[-1].asof_date.strftime('%Y-%m-%d'):
data = get_fundamentals(query(
SYMBOLINDUSTRYCATEGORY
).filter(
SYMBOLINDUSTRYCATEGORY != '投资公司',
SYMBOLINDUSTRYCATEGORY != '证券',
SYMBOLINDUSTRYCATEGORY != '银行',
SEC_LISTED_DATE < context.now - timedelta(days=2*365)
), date=context.now.strftime('%Y%m%d'))
context.tdays[-1][data['symbol']] = data['SymbolIndustryCategory']
return context.tdays[-1][stock] is not None
def get_fiscal_quarter(h, year, quarter):
fiscal_quarter = h[
(h.index.year == year) & (h.index.month >= quarter * 3 - 2) & (h.index.month <= quarter * 3)][-1:]
return fiscal_quarter['close'].iloc[0]
def hhv_ratio(h):
# 需求 5 天换手率不得超过 12%
hhv_high = max(h['high'][-5:])
hhv_ratio = hhv_high / h['close'][-1] - 1
return hhv_ratio
## 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。
