问财量化选股策略逻辑
选股逻辑为：振幅大于1、未清偿可转债简称不可为空、前天macd＜0。该选股策略主要考虑了股票价格波动性、公司财务状况以及技术分析指标。
选股逻辑分析
该选股策略除了考虑股票价格波动性和公司财务状况外，还加入了技术分析指标。振幅大于1反映了股票价格波动比较大，未清偿可转债简称不可为空反映了公司的财务状况。前天macd＜0则反映了股票技术面的走势，判断是否买入股票。该选股策略主要考虑了投资风险和赚钱机会，是一种较为全面的选股方法。
有何风险？
与上一题类似，该选股策略忽略了股票的基本面因素。同时，技术分析指标的使用需要考虑数据和方法的准确性，否则会面临误判的风险。
如何优化？
可以在技术分析指标中加入更多指标，如RSI、KDJ等，从多角度去判断股票的技术面走势。同时，在选股过程中可以加入更多的基本面指标，如市盈率、市净率等，进行更全面的分析。如果有足够的数据可以采用深度学习模型进行分析。同时从宏观经济、行业和政策等角度出发，进行一定的研究与判断。
最终的选股逻辑
对于A股市场来说，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、前天macd＜0。选股条件可以根据实际投资需要进行修改。
同花顺指标公式代码参考
SELECT1 = (HIGH-LOW)/HIGH > 0.01
SELECT2 = BOND_FULL_NAME != "" AND LEFT(RIGHT(CODE, 4), 1) != "3"
SELECT3 = REF(MACD('DIF', 'DEA', 'MACD', 12, 26, 9), 2) < 0
SELECT = SELECT1 AND SELECT2 AND SELECT3
以上为计算选股逻辑的通达信指标公式。其中选股指标为振幅大于1、未清偿可转债简称不可为空、前天macd＜0。可根据实际投资需求进行修改。
Python代码参考
import pandas as pd
import tushare as ts
def get_selected_stocks():
# 获取tushare连接
ts.set_token('Your Token')
pro = ts.pro_api()
# 获取A股市场所有的股票
all_stocks = [ts_code for ts_code, name in pro.stock_basic(fields='ts_code,name', exchange='', list_status='L').values.tolist() if name[0] != 'S' and '创业板' not in name and '科创板' not in name and '退' not in name]
# 计算选股指标并依此进行选股
selected_stocks = []
for ts_code in all_stocks:
all_data = pro.stock_company(ts_code=ts_code, fields='pro_name,concept_name,industry,exchange,list_date,total_equity')
if all_data.empty or all_data.iloc[0]['total_equity'] == 0 or (pd.Timestamp.now() - pd.to_datetime(all_data.iloc[0]['list_date'])).days < 365:
continue
if (all_data.iloc[0]['industry']=='证券' or all_data.iloc[0]['industry']=='其他金融'):
continue
bond_data = pro.cb_basic(ts_code=ts_code, list_status='L', bond_type='put')
if bond_data.empty:
continue
daily_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=20)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'))
if daily_data.empty or daily_data['low'].iloc[-1] >= daily_data['low'].iloc[0]:
continue
macd_data = pro.index_daily(ts_code='000001.SH', start_date=(pd.Timestamp.now() - pd.Timedelta(days=3)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=2)).strftime('%Y%m%d'))
if macd_data.empty or macd_data.iloc[0]['macd'] >= 0:
continue
selected_stocks.append((all_data.iloc[0]['pro_name'], ts_code))
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: pro.daily_basic(ts_code=x[1], trade_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='total_mv')['total_mv'])
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、未清偿可转债简称不可为空、前天macd＜0。可根据实际投资需求进行修改。
## 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。
