问财量化选股策略逻辑
选股逻辑：MACD零轴以上、公司2021年营收/2018年营收大于1.1、换手率>2%且<9%。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），有何风险？（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
该选股策略同样结合了技术面和基本面，采用了MACD指标、公司营收增长情况以及换手率作为筛选标准。MACD零轴以上代表股票现在的短期动量变化趋势向上，公司2021年营收/2018年营收大于1.1代表公司具有一定的营收增长能力，而换手率可以反映股票的市场流动性和市场风险。综合考虑以上三个指标，选出拥有良好趋势、成长性优良、市场流动性适中的个股。
有何风险？
以下是该选股策略可能存在的一些风险：
- 选股逻辑过于简单，可能存在较大的市场风险；
- 所选的股票只是利用过去的数据进行筛选，未必符合未来情况，存在一定失效风险；
- 所选换手率区间较窄，可能会错过一些业绩优秀、流动性较高的个股；
- 该策略未考虑股票的估值情况，可能会忽略一些高性价比的股票；
- 所选股票未考虑行业状况，可能面临行业下行风险。
如何优化？
以下是对该选股策略的一些优化建议：
- 结合其他技术指标，如相对强弱指标、动态波动范围指标等，多角度判断个股上涨趋势是否合理；
- 结合股票基本面指标，如市盈率、市净率等，准确衡量个股的估值水平，多维度选股；
- 考虑不同的换手率区间或采用其他量化指标，如成交量等，从更多角度衡量股票市场流动性；
- 结合行业、政策等因素，对市场风险进行综合考虑，减少个股风险；
- 适时调整选股的侧重点，结合个股当前市场情况进行判断，更加全面准确地选股。
最终的选股逻辑
综合考虑MACD指标、公司营收增长情况以及换手率这三个指标，选取MACD零轴以上、公司2021年营收/2018年营收大于1.1、换手率>2%且<9%的个股。最终选股逻辑为：MACD零轴以上、公司2021年营收/2018年营收大于1.1、换手率>2%且<9%的个股。
同花顺指标公式代码参考
- MACD指标（12,26,9）：DIF=EMA(CLOSE,12)-EMA(CLOSE,26); DEA=EMA(DIF,9); MACD=(DIF-DEA)*2;
Python代码参考
def initialize(context):
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
g.stocks_selected = []
def before_trading_start(context):
g.stocks_selected = select_stock(context)
def handle_data(context, data):
for security in context.portfolio.positions.keys():
if security not in data:
continue
if data[security].close < 0.95 * context.portfolio.positions[security].cost_basis:
order_target_value(security, 0)
if len(context.portfolio.positions) < 10:
buy_list = g.stocks_selected[:5]
for buying_stock in buy_list:
if not data.can_trade(buying_stock):
continue
order_target_value(buying_stock, context.portfolio.portfolio_value/len(buy_list))
def select_stock(context):
#获取市值大于2亿以上、股价为18.5元的股票
stock_universe = get_fundamentals(query(valuation.code).filter((valuation.market_cap > 200000000) & (valuation.pe_ratio > 0)).filter(valuation.pe_ratio <= 18.5).limit(2000)).fillna(value=0)
#利用基本面和技术面综合筛选股票
stock_universe = stock_universe[stock_universe['2018nprg'].notnull() & stock_universe['2021nprg'].notnull()]
stocks = list(stock_universe[stock_universe['2018nprg'] < 0.1][stock_universe['2021nprg']/stock_universe['2018nprg'] > 1.1]['code'])
ret = []
for s in stocks:
if MACD(s, 26, 12, 9)[-1] > 0 and data[s].volume > 10000 and data[s].turnover_ratio > 2 and data[s].turnover_ratio < 9:
ret.append(s)
return ret[:20]
## 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。
