问财量化选股策略逻辑
选股逻辑为：振幅大于1、前天MACD＜0、价格＜12。该选股策略主要利用技术面指标选取股价较低、股票波动性较大、异动空间较大的股票。
选股逻辑分析
该选股逻辑由三个条件组成：振幅大于1、前天MACD＜0、价格＜12。主要利用技术面指标筛选出股价较低、股票波动性较大、异动空间较大的股票。适用于短期操作。
有何风险？
该选股逻辑可能存在以下风险：
-
忽略了股票的基本面因素，选股结果可能存在投资价值欠佳的股票。
-
该选股逻辑选取的是价格较低的股票，但低价股风险较大，容易操纵，需要谨慎控制风险。
-
忽略了市场总体趋势和交易量因素，选股结果有很大的随机性。
如何优化？
优化选股策略的建议如下：
-
加入基本面因素，通过财务数据和公司业绩进行筛选，选取具有长期投资价值的个股。
-
根据选股结果进行回测和统计分析，适当修改选股条件，提高选股结果的准确性和稳定性。
-
结合市场总体趋势和交易量等因素，选取符合条件的股票，降低随机性。
最终的选股逻辑
选股条件为：振幅大于1、前天MACD＜0、价格＜12。选取股价较低、股票波动性较大、异动空间较大的股票适用于短期操作。
同花顺指标公式代码参考
通达信公式：
SELECT * FROM
(
SELECT STOCKCODE,SNAME,AMPLITUDE,MACD(12,26,9) AS MACD,CLOSE
FROM HQ_DAILY
WHERE T_TIME BETWEEN %stime1 AND %stime2
AND AMPLITUDE>1
AND MACD(12,26,9)<REF(MACD(12,26,9),1)
AND CLOSE<12
ORDER BY AMPLITUDE DESC
)
python代码参考
from gm.api import *
set_token('your_token_here')
start_date = '2022-01-01'
end_date = '2022-01-08'
# 根据选股条件选出符合条件的股票
symbols_selected = []
for symbol in get_history_symbol():
# 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, fastperiod=12, slowperiod=26, signalperiod=9, price='close')
if (amplitude.iloc[-1] > 1 and macd['macd'][-2] < 0 and df['close'].iloc[-1] < 12):
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、价格＜12，并考虑了风险控制因素，如现在买入的股票一定是主力抛出的。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。
