问财量化选股策略逻辑
选股逻辑为振幅大于1，100亿市值以内的无亏损企业，MACD零轴以上。
选股逻辑分析
- 振幅大于1可以筛选出短期内波动较大的股票，有较大的盈利机会。
- 100亿市值以内可筛选出市值较小的股票，可能具有较好的成长潜力。
- 无亏损企业可以筛选质量较好的企业。
- MACD零轴以上可以提高筛选的有效性，筛选出较好的股票。
有何风险？
- 振幅较大的股票通常波动较大，风险较高。
- 100亿市值以内的股票可能具有较高的波动和风险。
- MACD指标的使用需要考虑时机和背景等因素。
如何优化？
- 在筛选股票时，可排除振幅波动较大但风险较高的股票。
- 在筛选市值较小的股票时，需注意行业，选择具有较好发展潜力的行业。
- 考虑MACD指标的背景和时间窗口，避免盲目追涨。
最终的选股逻辑
选股逻辑为振幅大于1，100亿市值以内的无亏损企业，MACD零轴以上。在筛选股票时需注意振幅波动和市值大小，筛选具有较好发展潜力的股票。在使用MACD指标时，需考虑时机和背景等因素。
同花顺指标公式代码参考
ABS(C-REF(C,1))/REF(C,1) > 0.01 AND MktValue<=100 AND MktValue>0 AND IF(net_profit>0, 1, 0) AND
IF(EMA(C, 12)>EMA(C, 26) AND CROSS(EMA(C, 12), EMA(C, 26)) AND MACD()>=0, 1, 0)
python代码参考
import akshare as ak
import talib
def select():
data = ak.stock_zh_a_spot()
data = data.loc[(data['market_capitalization']>0)&(data['market_capitalization']<=100)]
data = data.loc[data['current_price']!=data['last_close_price']]
data = data.loc[talib.ABS(data['current_price']-data['last_close_price'])/data['last_close_price']>0.01]
data = data.loc[data['net_profit'].astype(float)>0]
data['MACD'], data['MACD_signal'], data['MACD_hist'] = talib.MACD(data['current_price'].astype(float))
data = data.loc[data['MACD_hist']>=0]
return data
## 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。
