问财量化选股策略逻辑
选股逻辑包括振幅大于1，10日涨幅大于0小于35，前天MACD＜0的股票。
选股逻辑分析
- 振幅大于1和10日涨幅大于0小于35可以筛选出短期内涨势较好的股票。
- 前天MACD＜0可以筛选出短期回调后正在上涨的股票。
有何风险？
- 忽略股票的基本面和长期价值，有可能会导致投资失败。
- 过于依赖股票的短期涨势和市场情绪，存在投资风险。
- 只考虑前天MACD＜0，存在较大的滞后性，有可能错过股票的上涨机会。
如何优化？
- 结合股票基本面、公司业绩、板块热度等因素进行综合考虑，提高投资决策的准确性。
- 可以结合MACD等技术指标，综合分析市场情绪和趋势，确定股票买入卖出时机。
最终的选股逻辑
选股逻辑为振幅大于1，10日涨幅大于0小于35，前天MACD＜0的股票，并结合股票基本面、公司业绩、板块热度、MACD等因素进行筛选。
同花顺指标公式代码参考
ABS(C-REF(C,1))/REF(C,1) > 0.01 AND SUM((C-REF(C,1))/REF(C,1)*100>0,10)>=1 AND IF(C!=REF(C,1),REF(COUNT(C>=REF(HIGH,1), 1),1),0)=0 \
AND IF(COUNT(MACD.DIF<0, 3)>=1,1,0)
python代码参考
import akshare as ak
def select():
data = pd.DataFrame()
end_date = datetime.now().strftime("%Y%m%d")
start_date = (datetime.now() - timedelta(days=365)).strftime("%Y%m%d")
for symbol in ak.stock_zh_a_spot_em(symbol="").iloc[:,0].tolist():
try:
k_data = ak.stock_zh_a_daily(symbol=symbol, start_date=start_date, end_date=end_date)
if len(k_data)<10:
continue
elif (k_data['close']-k_data['open'])/k_data['open']*100<=0 or \
(k_data['high']-k_data['low'])/k_data['low']<0.01 or \
k_data['low'].iloc[-1]>=k_data['low'].iloc[-2]:
continue
elif ((k_data['limit_up']==1)|(k_data['limit_down']==1)).any() and \
((k_data['limit_up']==1)&(k_data['trad_date']>=pd.to_datetime(datetime.now().strftime("%Y-%m-%d"))-pd.Timedelta(days=1))).sum()<1 and \
((k_data['limit_up']==1)&(k_data['trad_date']>=pd.to_datetime(datetime.now().strftime("%Y-%m-%d"))-pd.Timedelta(days=30))).any() and \
(k_data['macd_dif'].iloc[-3]<0):
data = pd.concat([data, k_data.iloc[-2:]])
except:
continue
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。
