问财量化选股策略逻辑
选股逻辑：MACD零轴以上，高点为两日最高，换手率3%-12%。
选股逻辑分析
该选股逻辑在基本的技术分析指标MACD和高点的基础上，加入了换手率的因素。通过选取适当范围内的换手率，可以筛选出一些有活力、流动性较好的个股。
有何风险？
该选股策略可能存在以下风险：
-
选股的换手率范围只是个参考，不同的市场环境下，换手率的范围会发生较大的变化，可能导致选出的股票不具备一定的流动性。
-
其它因素的影响：即使满足MACD零轴以上、高点为两日最高、换手率3%-12%等条件，股票的业绩、估值等因素也会对股票的表现产生较大的影响。
如何优化？
为减少风险，可以采用以下方式进行优化：
-
除了换手率，可以加入其他流动性指标，如日均换手率、成交金额等，这样选出的股票更可能是流动性好的。
-
加强对基本面的研究，对股票的业绩、估值等因素进行分析，并与技术分析指标结合起来，综合选股。
-
加入风控管理，避免选股结果的波动范围过大。
最终的选股逻辑
优化后的选股逻辑如下：
选股逻辑：MACD零轴以上，高点为两日最高，流动性指标（如换手率、日均换手率、成交金额等）在一定范围内。
同花顺指标公式代码参考
-
MACD零轴以上：
CROSS(JC, 0) AND DIFF > DEA -
高点为两日最高：
H = HHV(HIGH, 2)
CROSS(H, REF(H, 1)) -
换手率3%-12%：
(((VOL / CAPITALIZATION) * 100) > 3) AND (((VOL / CAPITALIZATION) * 100) < 12)
Python代码参考
import pandas as pd
from jqdata import *
import talib as ta
def select_stock(context):
q = query(
valuation.code,
valuation.market_cap,
valuation.circulating_market_cap,
stock_account.industry_code_name_1,
fundamental.eps
).filter(
valuation.market_cap >= 500000000,
valuation.circulating_market_cap >= 100000000,
stock_account.exchanges != '北京A股'
)
df = get_fundamentals(q).sort_values(by=['market_cap', 'circulating_market_cap'])
# MACD零轴以上
macd_list = []
for stock in df['code']:
if df.loc[df['code'] == stock, 'macd'].iloc[-1] > 0:
macd_list.append(stock)
# 高点为两日最高
top_point = []
for stock in macd_list:
x = attribute_history(stock, 2, '1d', ('high', 'close'))
if x.high.iloc[-1] == max(x.high):
top_point.append(stock)
# 换手率3%-12%
liquid_list = []
for stock in top_point:
vol = get_bars(stock, count=1, unit='1d', fields=['volume'])[0][0]
capital = get_current_data()[stock].total_equity
turn_rate = (vol / capital) * 100
if turn_rate > 3 and turn_rate < 12:
liquid_list.append(stock)
result = liquid_list[:10]
log.info("Chosen stocks:", result)
return result
## 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。
