问财量化选股策略逻辑
该选股策略包含三个条件：
- 振幅大于1；
- 日线MACD大于0；
- 买一量大于卖一量。
选股逻辑分析
该选股策略使用了振幅和技术指标来选股，并且加入了买一量和卖一量的比较，以反映当前市场的买卖力量对比。该策略注重技术分析和市场情况的综合分析，用较为全面的角度来考察个股的涨跌趋势。
有何风险？
该选股策略有以下风险：
- 忽略了公司的基本面因素，如营收、利润等，不能够全面反映公司的价值；
- 忽略了公司的竞争情况、行业发展等因素，不能够全面反映市场和行业的情况；
- 仅考虑买卖力量的对比，不能够反映出资金的实际流入和流出情况。
如何优化？
为提高该选股策略的精度和准确性，建议优化方向为：
- 引入其他财务指标和技术指标加强分析，如EPS、ROE、RSI、KDJ等，以全面反映公司的价值；
- 引入其他行情因素进行综合分析，如市盈率、市净率等；
- 优化买一量和卖一量的对比方法，更加准确地反映出资金的流入流出情况。
最终的选股逻辑
综合以上分析，建议完善后的选股策略为：
- 振幅大于1；
- 日线MACD大于0；
- 引入其他财务指标和技术指标加强分析；
- 引入其他行情因素进行综合分析；
- 优化买卖力量的对比方法，更加准确地反映出资金的流入流出情况。
同花顺指标公式代码参考
// 通达信指标公式
SALL:IF(AMO>1000 AND IF(MACD(CLOSE,SHORT,MID,LONG)>0,1,0) AND (BUYVOL > SELVOL),1,0);
python代码参考
def get_stock_by_buy_sell(tickers, start_date, end_date):
df_price = get_price(tickers, start_date, end_date, frequency='1d', fields=['close'])
amplitude = (df_price['high'] - df_price['low']) / df_price['close'].shift(1)
macd, signal, hist = talib.MACD(df_price['close'])
buy_sell_vol = get_quote_history(tickers, start_date, end_date, ['buy', 'sell'])
selection = (macd > 0) & (buy_sell_vol['buy'] > buy_sell_vol['sell'])
return df_price[selection]
## 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。
