问财量化选股策略逻辑
选股逻辑：MACD零轴以上、公司2021年营收/2018年营收大于1.1、近25个交易日有单日涨幅大于等于百分之10。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），有何风险？（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），请使用Markdown格式。
选股逻辑分析
该选股策略同时结合了技术面和基本面的两个方面。选取MACD零轴以上、公司2021年营收/2018年营收大于1.1和近25个交易日有单日涨幅大于等于百分之10的股票，以找到同时具有趋势性和成长性的股票，且股票具有一定的上升动量。可以实现在股票市场中获得更高的收益。
有何风险？
以下是该选股策略可能存在的一些风险：
- 该选股策略过于依赖技术面和市场趋势，忽略了基本面、行业和公司的因素；
- 对于近期股市大幅波动的股票，单日涨幅可能不够稳定；
- 过分关注短期涨幅的投资策略，可能会影响长期投资价值。
如何优化？
以下是对该选股策略的一些优化建议：
- 应该加入其他技术指标，如RSI、KD指标等，综合考虑股票走势和市场因素；
- 在股票基本面和财务数据等方面进行综合的分析，考虑公司的长期盈利能力和成长潜力；
- 可以适当放宽单日涨幅的条件，选股更具有鲁棒性和可持续性；
- 根据选股结果和股票市场走势，进行动态的调整和优化。
最终的选股逻辑
综合考虑MACD指标、公司营收增长和单日涨幅等因素，选取MACD零轴以上、公司2021年营收/2018年营收大于1.1、近25个交易日有单日涨幅大于等于百分之10的成长股。
同花顺指标公式代码参考
- MACD指标（12,26,9）：DIF=EMA(CLOSE,12)-EMA(CLOSE,26); DEA=EMA(DIF,9); MACD=(DIF-DEA)*2;
Python代码参考
def initialize(context):
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
set_option('avoid_future_data', True)
g.capital_base = context.portfolio.starting_cash
g.stocks_selected = []
def before_trading_start(context):
g.stocks_selected = select_stock(context)
def handle_data(context, data):
for security in context.portfolio.positions.keys():
if security not in data:
continue
if data[security].close < 0.96 * context.portfolio.positions[security].cost_basis:
order_target_value(security, 0)
if len(context.portfolio.positions) < 10:
buy_list = g.stocks_selected[:5]
for buying_stock in buy_list:
if not data.can_trade(buying_stock):
continue
order_target_value(
buying_stock,
context.portfolio.portfolio_value/len(buy_list)
)
def select_stock(context):
#获取MACD零轴以上的股票
stock_universe = history(26, '1d', ['close']).dropna()
stock_universe['MACD_DIF'], stock_universe['MACD_DEA'], stock_universe['MACD'] = MACD(stock_universe['close'], 12,26,9)
stock_universe = stock_universe[stock_universe['MACD'] > 0]
#获取营收增长情况、近25日单日涨幅符合标准的股票
stock_universe = get_fundamentals(
query(
valuation.code,
income.year,
indicator.industry_sw_level2,
indicator.float_market_cap,
income.total_operating_revenue,
finance.INCREMENTAL_REVENUE_YOY_NET,
indicator.TRIX_MA5,
indicator.KDJ_K,
indicator.KDJ_D,
indicator.KDJ_J,
price_change_pct.price_pct_25
)
.filter(
(income.net_profit > 0) &
(indicator.industry_sw_level2 != '银行') &
(price_change_pct.price_pct_25 >= 10)
)
).fillna(value=0)
stock_universe = stock_universe[stock_universe['year'].notnull() & stock_universe['total_operating_revenue'] > 0]
stock_universe["revenue_ratio"] = stock_universe["total_operating_revenue"]/stock_universe["total_operating_revenue"].shift(2)
stock_universe = stock_universe[stock_universe["revenue_ratio"]> 1.1]
stock_list = list(stock_universe['code'])
return stock_list
## 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。
