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，周线MACD在零轴之上。
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。
- 100亿市值以内可以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高的企业。
- 周线MACD在零轴之上可以筛选出股票处于上涨态势。
有何风险？
- 静态指标，如市值、亏损情况等，可能无法反映股票的长期表现和潜力。
- MACD指标可能受到市场交易量的影响，不能保证长期的收益。
- 过分依赖技术指标，忽略公司基本面和市场情况，也可能导致选股错误。
如何优化？
- 结合多个指标进行筛选，如财务指标、技术指标等，增加选股维度，提高选股的准确性和可靠性。
- 针对不同行情设立不同的策略，如牛市和熊市，以及震荡市，考虑不同指标的重要性和表现。
- 考虑技术指标的动态性，适当地调整选股的频率和方式，避免过分的交易成本和风险。
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，综合多个指标进行筛选，考虑周线MACD在零轴之上的情况，结合其他技术指标和基本面，选择适合的股票进行投资。
同花顺指标公式代码参考
(HIGH-LOW)/LOW>=0.01
AND MktValue<=100 AND MktValue>0
AND IF(net_profit>0,1,0)
AND REF(MACD(12, 26, 9), 1) <= 0
AND MACD(12,26,9) > 0
python代码参考
import akshare as ak
import talib
def select():
data = ak.stock_zh_a_daily_sina(symbol="sh000001")
data.index = pd.to_datetime(data.index)
data_weekly = data.resample('W').last().dropna()
data = ak.stock_zh_a_spot()
data = data.loc[(data['market_capitalization']>0)&(data['market_capitalization']<=100)]
data = data.loc[(data['high']-data['low'])/data['low']>=0.01]
data = data.loc[data['net_profit'].astype(float)>0]
data['MACD'], data['MACDsignal'], data['MACDhist'] = talib.MACD(data_weekly['close'], fastperiod=12, slowperiod=26, signalperiod=9)
data = data.loc[data['MACD']>0]
data = data.loc[data['MACD']>data['MACDsignal']]
data = data.loc[data['pct_chg']>0]
data['large_trade'] = ak.stock_zh_a_hist_sina(symbol=data['stock_symbol'], period="daily")['buy_lg_amount'] - ak.stock_zh_a_hist_sina(symbol=data['stock_symbol'], period="daily")['sell_lg_amount']
data = data.loc[data['large_trade']>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。
