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、日线macd＞0。该选股策略主要考虑了股票价格波动性、公司财务状况以及股票的趋势特征。
选股逻辑分析
该选股策略主要考虑了股票价格波动性、公司财务状况以及股票的趋势特征。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，日线MACD＞0反映了股票价格的趋势特点。选股策略主要考虑了投资风险和赚钱机会。
有何风险？
该选股策略仅考虑了技术指标，忽略了基本面数据。存在被一些垃圾股票所吸引的风险。另外，MACD指标为短期指标，容易受到市场短期波动的影响。
如何优化？
可以加入一些基本面指标，如市盈率、市净率、每股收益等，将选股策略综合到多个维度。另外，可以选取较长时间内的价格趋势特点，如一周、一月等，这样更能反映股票的趋势特点，避免短期市场的波动影响。
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、日线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 = MACD() > 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、日线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=20)).strftime('%Y%m%d'), end_date=(pd.Timestamp.now() - pd.Timedelta(days=1)).strftime('%Y%m%d'), fields='macd')
if macd_data['macd'].iloc[-1] <= 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、日线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。
