(supermind)振幅大于1、2021年、macd零轴以上_

问财量化选股策略逻辑

选股逻辑为振幅大于1，2021年，MACD零轴以上的股票进入待投资池。

选股逻辑分析

1. 振幅大于1表明该股票波动性较大，可能存在较大涨幅和收益；
2. 2021年作为选股时间段，可以分析与其他期间的不同、市场趋势等；
3. MACD零轴以上通常被认为为股票涨势较强的阶段。

有何风险？

1. 股票具有不确定性和波动风险；
2. 选股逻辑无法考虑其他因素，如行业发展趋势、公司财务状况等。

如何优化？

1. 与其他财务和技术指标相结合，例如市净率、市盈率、KDJ等，进行相互验证和筛选，以增加选股的准确性和操作的稳定性；
2. 选取多个时间段进行分析和比较，寻找相对稳定的选股规律；
3. 需要根据不同的市场环境和股市变化及时调整选股策略。

最终的选股逻辑

选取振幅大于1，2021年，MACD零轴以上的股票进入待投资池。

同花顺指标公式代码参考

//振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
//2021年
COND2:=YEAR=2021;
//MACD零轴以上
DIF:=EMA(CLOSE,12)-EMA(CLOSE,26);
DEA:=EMA(DIF,9);
MACD:DIF-DEA;
COND3:=MACD>0;
//综合条件
CONDITION:=COND1 AND COND2 AND COND3;
SIGNAL:=CHECKCOND(CONDITION, 1);

Python代码参考

import pandas as pd
import akshare as ak
import talib

def get_trade_data(stock_code):
    stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
    stock_df.rename(columns={"成交额":"amount","成交量":"volume","收盘价":"close","开盘价":"open","股票代码":"symbol","日期":"date","涨跌幅":"pct_change", "最高价":"high", "最低价":"low", "市盈率":"PE", "市净率":"PB"}, inplace=True)
    stock_df['date'] = pd.to_datetime(stock_df['date'])
    # 振幅大于1
    cond1 = (stock_df['high'] - stock_df['low']) / stock_df['low'] > 0.01
    # 2021年
    cond2 = stock_df['date'].dt.year == 2021
    # MACD零轴以上
    diff, dea, macd = talib.MACD(stock_df['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
    cond3 = macd > 0
    # 综合条件
    basic_cond = cond1 & cond2 & cond3
    df = stock_df.loc[basic_cond].sort_values('close', ascending=False).reset_index(drop=True)
    return df

def select(df):
    return df

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)