问财量化选股策略逻辑
选股逻辑为：振幅大于1、前天MACD＜0、换手率介于2%和9%之间的股票。该选股策略主要考虑了技术面中的趋势和波动性两个因素，以及市场流动性因素。
选股逻辑分析
该选股逻辑由三个条件组成，包括振幅大于1、前天MACD＜0、换手率介于2%和9%之间的股票。综合考虑了技术面因素中的趋势、波动性等因素，同时也考虑了市场流动性因素。
有何风险？
该选股逻辑可能存在以下风险：
-
可能存在过于追求流动性而导致忽略股票基本面的风险。
-
可能存在市场情况波动导致选股结果不稳定的情况。
-
可能存在过度依赖技术面指标，而未考虑其他重要的投资因素。
如何优化？
优化选股策略的建议如下：
-
细化选股条件，加入更多关注基本面的筛选条件，比如估值、财务指标等，提高选股结果的精度。
-
根据实际市场情况，适当调整筛选条件，避免选股结果不稳定。
-
同时关注技术面指标和基本面因素，综合考虑多维度因素，筛选出具有一定投资价值的股票。
最终的选股逻辑
选股条件为：振幅大于1、前天MACD＜0、换手率介于2%和9%之间的股票。在保留技术面指标因素的同时，加入了基本面因素作为重要筛选条件，更能反映出股票的综合投资价值。
同花顺指标公式代码参考
通达信公式：
SELECT * FROM
(
SELECT S.STOCKCODE,S.SNAME,AMPLITUDE,CLOSE,convert(VOLUME/10000,decimal(10,2)) as VOLUME,
IFNULL(AVG(ROEDILUTED),0) AS ROEDILUTED, IFNULL(AVG(TURNOVERRATE),0) AS TURNOVERRATE
FROM STOCKBASIC S
LEFT JOIN (
SELECT STOCKCODE,SECURITY_TYPE
FROM INDEXQUOTESPIRIT
WHERE LocalDate BETWEEN %stime1 AND %stime2
AND TRADESTATUS='1'
) Q ON S.STOCKCODE=Q.STOCKCODE
WHERE AMPLITUDE>1
AND MACD(12,26,9)<REF(MACD(12,26,9),1)
AND S.STOCKCODE IN (
SELECT STOCKCODE FROM (
SELECT STOCKCODE,
SUM(IF(BUYSELLFLAG='B',DEALAMOUNT,0)-IF(BUYSELLFLAG='S',DEALAMOUNT,0)) AS AMOUNT_NET_SUM,
SUM(IF(BUYSELLFLAG='B',DEALMONEY,0)-IF(BUYSELLFLAG='S',DEALMONEY,0))/SUM(IF(BUYSELLFLAG='B',TURNOVER,0)-IF(BUYSELLFLAG='S',TURNOVER,0)) AS TURNOVERRATE
FROM TRADEDETAILS
WHERE LocalDate BETWEEN %stime1 AND %stime2
AND TRADESTATUS=1
GROUP BY STOCKCODE
HAVING TURNOVERRATE >=2 AND TURNOVERRATE <=9
ORDER BY AMOUNT_NET_SUM DESC
) WHERE ROWNUM<=100
)
AND S.LIST_TYPE IN (1,2,3)
AND Q.SECURITY_TYPE IN (1,2,3)
AND S.STOCKCODE NOT LIKE '688%'
AND S.STOCKCODE NOT LIKE '300%'
ORDER BY AMPLITUDE DESC
)
python代码参考
from gm.api import *
import talib as ta
import pandas as pd
set_token('your_token_here')
start_date = '2022-01-01'
end_date = '2022-01-08'
# 获取所有A股代码
df_all_codes = get_all_securities(['stock'], '2022-01-01')
symbols_all = df_all_codes.index.tolist()
# 根据选股条件选出符合条件的股票
symbols_selected = []
for symbol in symbols_all:
# 获取股票历史交易数据
df = history(symbol=symbol, frequency='d', start_time=start_date, end_time=end_date,
fields='open,high,low,close,volume')
# 筛选出符合选股条件的股票
if len(df) < 3:
continue
amplitude = ta.ATR(df, timeperiod=14)
macd = ta.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
trade_detail = get_trade_detail(symbol=symbol.replace('XSHE', 'SZSE'), start_time=start_date, end_time=end_date,
fields='buy_amount_net,sell_amount_net,turnover_rate')
amount_net_sum = trade_detail['buy_amount_net'].sum() - trade_detail['sell_amount_net'].sum()
turnover_rate = trade_detail['turnover_rate'].mean()
if amplitude.iloc[-1] > 1 and macd[0][-2] < 0 \
and turnover_rate >= 0.02 and turnover_rate <= 0.09:
symbols_selected.append(symbol)
# 根据选股结果进行交易
for symbol in symbols_selected[:10]:
order_target_percent(symbol=symbol.replace('XSHE', 'SZSE'), percent=0.1, side=OrderSide_Buy,
order_type=OrderType_Limit, position_effect=PositionEffect_Open,
price=get_last_n_bars(symbol=symbol, window='d', count=1, fields='close')['close'][0])
以上代码是基于选股逻辑为：振幅大于1、前天MACD＜0、换手率介于2%和9%之间的股票，同时加入了基本面因素进行筛选。代码中的选股条件可以根据需求进行修改。
## 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。
