(i问财选股策略)换手率_2%且_9%_、三连阴、macd零轴以上

用户头像神盾局量子研究部
2023-09-01 发布

问财量化选股策略逻辑

选股逻辑:MACD指标零轴以上、三连阴、换手率在2%到9%之间的股票。该选股策略综合考虑了技术面和基本面因素,寻找出MACD指标具有上涨趋势、近期表现较差但存在较大的安全边际、同时换手率不过高不过低的优质股票。

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

该选股策略综合考虑了技术面和基本面因素,通过MACD指标判断股票是否具有上涨趋势,通过三连阴判断股票是否近期表现较差但是否存在较大的安全边际,同时通过设定换手率在合适范围内的条件,找出相对稳健的股票。这样可以规避高换手率下涨的风险和低换手率难以成交的风险。

有何风险?

该选股策略可能存在以下风险:

  1. MACD指标并非完全准确,有可能存在不同步,从而影响到投资结果;
  2. 三连阴也有可能受到其他因素影响,过于强调此因素可能忽略其他因素的影响,从而失去较好的投资机会;
  3. 设定的换手率范围并非完美,有可能错过一部分优秀股票;
  4. 过于注重技术面因素可能忽略了基本面因素,导致投资决策偏差。

如何优化?

以下是一些优化的建议:

  1. 应加入其他指标和因素以综合判断股票投资价值,提高投资逻辑的稳定性和准确性;
  2. 可通过回测数据调整换手率的范围以找到较为适合的参数;
  3. 应在换手率的判断中加入其他因素,如流通市值和总市值等,以精细筛选优质股票。

最终的选股逻辑

选股策略:MACD指标零轴以上、三连阴、换手率在2%到9%之间的股票。同时可结合其他指标和因素进行综合判断,提高投资逻辑的准确性和稳定性。

同花顺指标公式代码参考

  • MACD指标:MACD(12,26,9)

Python代码参考

from jqdata import *

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)

def before_market_open(context):
    if context.current_dt.weekday() != 4:
        return
    selected_stocks = []
    for stock in get_all_securities(types=['stock'], date=context.current_dt.date()).index:
        try:
            # 判断MACD指标是否满足条件
            diff, dea, macd = MACD(stock, check_date=context.current_dt.date())
            if dea.iloc[-1] < 0 or macd.iloc[-1] < 0:
                continue
            if diff.iloc[-1] > diff.iloc[-2] > diff.iloc[-3]:
                if macd.iloc[-1] > macd.iloc[-2] > macd.iloc[-3]:
                    # 判断换手率是否满足条件
                    turnover_ratio = get_turnover_ratio(stock, context.current_dt.date())
                    if turnover_ratio > 0.02 and turnover_ratio < 0.09:
                        selected_stocks.append(stock)
        except:
            continue
    if len(selected_stocks) > 0:
        trade(selected_stocks)

def trade(selected):
    position_count = len(selected)
    if position_count == 0:
        return
    stock_value = context.portfolio.total_value / (position_count + 1)
    for stock in selected:
        if stock in context.portfolio.positions:
            order_target_value(stock, stock_value)
        else:
            order_value(stock, stock_value)

def handle_data(context, data):
    pass
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论