问财量化选股策略逻辑
选股逻辑：MACD指标零轴以上，今日股价上涨大于1%，属于主板，换手率大于2%且小于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
该选股策略需要先筛选出MACD指标零轴以上、今日股价上涨大于1%、属于主板的股票，然后按照换手率在2%到9%之间选取股票进行投资。
有何风险？
以下是该选股策略可能面临的风险：
- 忽视了股票的基本面因素，可能存在选股后挖掘空间不足的风险；
- 过度注重技术指标，可能导致忽略公司质量和股票价值的基本分析面；
- 选股逻辑中的换手率指标不一定能够准确反映市场情况，存在较大的主观性和不确定性。
如何优化？
以下是该选股策略的优化建议：
- 结合股票的基本面和价值分析指标，如市盈率、市净率、盈利增速等，全面分析股票投资价值；
- 增加其他技术指标和形态，如相对强弱指标、收敛发散指标、均线等，综合考虑选股；
- 考虑使用量化的方式来规避换手率指标带来的主观风险，如采用成交金额占流通市值的比例，或者使用峰度和偏度等统计指标等。
最终的选股逻辑
选股策略：MACD指标零轴以上，今日股价上涨大于1%，属于主板，按照换手率在2%到9%之间选取股票进行投资。
同花顺指标公式代码参考
MACD指标公式：
DIF: EXP(CLOSE, 12) - EXP(CLOSE, 26)
DEA: SMA(DIF, 9, 2)
MACD: (DIF - DEA) * 2
换手率公式：
(TSUM(VOL, 36) - TSUM(VOL, 6)) / TSUM(VOL, 6) / 30 * 100
Python代码参考
# 初始化
def initialize(context):
set_benchmark('000300.XSHG')
# 获取所有主板股票
g.all_stocks = []
for stock in get_index_stocks('000001.XSHG'):
if 'ST' not in get_security_info(stock).name and 'ST' not in stock:
g.all_stocks.append(stock)
# 每天早上10点进行选股
run_daily(select_stocks, '10:00')
# 可以轻易买入和卖出开仓
set_option('use_real_price', True)
# 设置手续费，买入万分之三，卖出万分之三加千分之一的印花税
set_commission(PerShare(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
# 选股逻辑
def select_stocks(context):
selected_stocks = []
for stock in g.all_stocks:
# 如果MACD指标零轴以下，跳过
dif, dea, macd = talib.MACD(get_price(stock, frequency='1d', count=200, end_date=context.current_date, fields=['open', 'close', 'high', 'low']), fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] <= 0:
continue
# 如果今日上涨小于1%，跳过
today_increase = (get_price(stock, count=2, end_date=context.current_dt, frequency='1d', fields=['close'])['close'][-1] - get_price(stock, count=2, end_date=context.current_dt, frequency='1d', fields=['close'])['close'][0]) / get_price(stock, count=2, end_date=context.current_dt, frequency='1d', fields=['close'])['close'][0]
if today_increase <= 0.01:
continue
# 如果不属于主板，跳过
if not is_sse(stock):
continue
# 如果换手率不在2%到9%之间，跳过
turnover = (sum(attribute_history(stock, 37, '1d', ['volume'], dt=None, skip_paused=True, df=False)['volume'][1:])
- sum(attribute_history(stock, 7, '1d', ['volume'], dt=None, skip_paused=True, df=False)['volume'][1:])) / sum(attribute_history(stock, 7, '1d', ['volume'], dt=None, skip_paused=True, df=False)['volume'][1:]) / 30 * 100
if turnover < 2 or turnover > 9:
continue
selected_stocks.append(stock)
# 买入选定的股票
for stock in selected_stocks:
order_target_value(stock, context.portfolio.total_value / len(selected_stocks))
# 卖出不在选定股票中的股票
for stock in context.portfolio.positions:
if stock not in selected_stocks:
order_target_value(stock, 0)
## 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。
