问财量化选股策略逻辑
选股逻辑：振幅大于1,近25个交易日有单日涨幅大于等于百分之10,日线MACD＞0。
选股逻辑分析
该选股逻辑将短期涨跌、长期趋势作为选股依据，适用于短期波动特别明显，但整体上涨趋势较好的股票。其中，日线MACD排除了回调后继续下跌的风险。MACD是一种常用的技术指标，可以直接反映出价格的短期涨跌情况和长期趋势，具有较高的参考价值。
有何风险？
该选股逻辑可能存在以下风险：
- MACD指标本身是一种滞后指标，对市场动态的反应速度相对较慢；
- 当股票市场整体下跌时，即使MACD为正，也可能跌破均线而表现不佳；
- 一些股票可能存在活跃度不高、波动较小的情况，以至于不满足振幅和单日涨跌幅大的条件。
如何优化？
为了降低上述风险，我们可以采取以下优化措施：
- 将MACD指标与其他技术指标结合起来，使用复合指标进行选股；
- 设定不同的筛选条件，以应对市场整体上涨或下跌、行业、板块、市值等的变化；
- 结合基本面数据，对五年内财务指标、行业数据等进行分析，找出真正有价值的标的。
最终的选股逻辑
基于上述考虑，我们综合出以下选股逻辑：
- 振幅大于1；
- 近25个交易日有单日涨幅大于等于百分之10；
- 日线MACD>0；
- 市值大于10亿。
同花顺指标公式代码参考
C1 = IF(HIGH - LOW > ATR(CLOSE, 14), 1, 0);
C2 = IF(ABS((CHANGE(CLOSE, 1) / REF(CLOSE, 1))) >= 0.1, 1, 0);
C3 = IF(MACD(MACD(12, 26, 9), 1) > 0, 1, 0);
C4 = IF(MARKETVALUE >= 10E+8, 1, 0);
SELECTOR = C1*C2*C3*C4;
RESULT = SELECTOR;
python代码参考
import pandas as pd
import talib as ta
df = pd.read_csv('your_data.csv', index_col='date')
def short_term_momentum(df, n):
return df.iloc[-n:]['return'].all() > 0
C1 = np.where(df['high'] - df['low'] > ta.atr(df['close'], 14), 1, 0)
C2 = np.where(abs((df['close'] - df['close'].shift(1)) / df['close'].shift(1)) >= 0.1, 1, 0)
C3 = np.where(ta.MACD(ta.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9), fastperiod=1, slowperiod=1, signalperiod=1)[2] > 0, 1, 0)
C4 = np.where(df['marketvalue'] >= 10e+8, 1, 0)
selector = C1 * C2 * C3 * C4
result = df[selector == 1].index.tolist()
## 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。
