问财量化选股策略逻辑
选股逻辑：MACD指标零轴以上、三连阴、近25个交易日有单日涨幅大于等于百分之10。该选股策略适用于寻找处于下跌趋势中但有反弹迹象的股票，并在技术面指标的基础上加入单日涨幅以寻找更有潜力的投资机会。
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），有什么风险？（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），请用markdown格式。
选股逻辑分析
MACD指标和三连阴的条件为判断当前股票是否处于下跌趋势中并且没有出现复苏迹象。25个交易日内有单日涨幅大于等于百分之10，可以反映出股票存在反弹迹象，有可能具有投资价值。但需要注意的是，单日涨幅容易受到大盘的影响，股票价格大幅波动的情况下可能会造成误判。
有何风险？
该选股策略可能存在以下风险：
- 该选股策略过于注重技术面指标，忽略了基本面和行业的发展趋势等因素；
- 单日涨幅指标容易受大盘波动影响，造成误判；
- 当股票处于比较窄的价格区间变化时，单日涨幅容易被过高地解读。
如何优化？
以下是一些优化的建议：
- 可以将技术面指标和基本面指标等更全面的信息融入选股策略；
- 考虑加入其他技术面指标来过滤误判，如均线、价格动量等；
- 设置单日涨幅的阈值，避免价格走势波动造成误判；
- 加入行业板块指标进行行业选择。
最终的选股逻辑
选股策略：MACD指标零轴以上、三连阴、近25个交易日单日涨幅大于等于百分之10，加入股票所处行业板块指标进行筛选，寻找符合条件的股票。
同花顺指标公式代码参考
- MACD指标：MACD(12,26,9)
Python代码参考
import talib
def initialize(context):
set_option('use_real_price', True)
set_benchmark('000300.XSHG')
# 获取所有股票
g.all_stocks = list(get_all_securities(types=['stock']).index)
# 设置初始投资组合
g.stock_dict = {}
# 定时运行选股逻辑
run_daily(select_stocks, time='before_open', reference_security='000300.XSHG')
def select_stocks(context):
# 不交易无法获取全市场数据？
cnt = 0
while True:
cnt += 1
if cnt > 5:
return
all_data = get_current_data()
if all_data != {}:
break
# 过滤保持交易符合规则的证券
trash_stocks = list(filter(lambda s: not all_data[s].is_trading, g.all_stocks))
stocks = list(set(g.all_stocks) - set(trash_stocks) - set(context.portfolio.positions.keys()))
# 遍历所有股票，进行选择
for stock in stocks:
# 如果MACD指标不过关，跳过
macd, signal, _ = talib.MACD(get_price(stock, end_date=context.previous_date, frequency='1d', fields='close', count=200), fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] < signal[-1] or macd[-2] < signal[-2] or macd[-3] < signal[-3]:
continue
# 如果有3连阴，跳过
close_data = get_price(stock, end_date=context.previous_date, frequency='1d', fields='close', count=4)
if all(close_data[i] > close_data[i+1] for i in range(len(close_data)-1)):
continue
# 近25个交易日有单日涨幅大于等于10%
price_data = get_price(stock, end_date=context.previous_date, frequency='1d', fields='close', count=25)
if max((price_data[i]/price_data[i-1] - 1) for i in range(1, len(price_data))) < 0.1:
continue
# 行业板块指标选择
if industry_engineering(stock) or industry_mining(stock):
g.stock_dict[stock] = True
# 定义工程建设行业指标
def industry_engineering(stock):
industry = get_industry(stock)
if industry and "工程建设" in industry:
return True
return False
# 定义矿业开采行业指标
def industry_mining(stock):
industry = get_industry(stock)
if industry and "矿业开采" in industry:
return True
return False
## 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。
