问财量化选股策略逻辑
选股逻辑：MACD零轴以上、DEA上涨、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），请用Markdown格式。
选股逻辑分析
该选股策略综合运用了技术分析与基本面分析，选股逻辑为MACD零轴以上、DEA上涨、换手率>2%且<9%。MACD与股价结合分析可以反映出市场的交易信号等，换手率可以反映出股票流动性等，从而选出优秀的股票。换手率要求2%到9%的范围内，是为了筛选具有一定的活跃市场，但又防止受过度短线炒作影响的股票。
有何风险？
以下是该选股策略可能存在的一些风险：
- 换手率难以控制：换手率存在很大的风险，可能受到市场环境一些变动对交易量影响而出现较大变动，所以需要持续跟踪和优化；
- 不具有持续性：该选股策略是基于历史数据的，选股结果存在一定的误差；
- 忽略了一些基本面因素：该选股策略忽略众多的基本面因素，如行业发展状况等，可能存在被市场变动影响的风险。
如何优化？
以下是该选股策略的一些优化建议：
- 结合其他指标：应结合其他指标如市盈率、市净率等进行筛选，综合分析；
- 完善的止损策略：应设定适当严密的止损、止盈策略，并控制风险；
- 定期持续优化与更新数据来源：持续跟踪并优化换手率数据来源，以减小数据误差。
最终的选股逻辑
该选股策略在根据MACD和换手率进行选股的基础上，选股逻辑为MACD零轴以上、DEA上涨，换手率>2%且<9%进行选股，选出排名前列的股票。在选股后，应设定适当的止损、止盈策略，以控制风险。
同花顺指标公式代码参考
- 判断MACD零轴以上、DEA上涨：MACD（12,26,9)：DIF=EMA（CLOSE，12）-EMA（CLOSE，26）;DEA=EMA（DIF，9）;DIF>DEA；
- 判断换手率>2%且<9%：换手率=100*成交量/流通股本>2 and 换手率<9.
python代码参考
from jqdata import *
import talib
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)
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[:]
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):
stocks_universe = get_index_stocks('000300.XSHG')
filter_ = (
lambda security:
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] > 0 and
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[0][-1] >
talib.MACD(data[security].close, fastperiod=12, slowperiod=26, signalperiod=9)[1][-1] and
2 < data[security].turnover_ratio < 9
)
stock_filtered = list(filter(lambda s: filter_(s), stocks_universe))
stock_selected = sorted(
stock_filtered,
key=lambda sec: data[sec].turnover_ratio,
reverse=True
)
return stock_selected
## 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。
