问财量化选股策略逻辑
选股逻辑为：振幅大于1、股价为18.5元、周线MACD在零轴之上。选股策略旨在寻找可能具有中长期上涨趋势、波动性适中、且具备良好的市场趋势的股票。
选股逻辑分析
该选股策略以振幅大于1、股价为18.5元、周线MACD在零轴之上为选股条件。该策略旨在寻找有波动性且尚未被市场完全认可的轻资产股票，同时结合市场趋势，满足中长期的投资价值。
有何风险？
该选股策略忽略了公司的基本面因素，过于依赖技术指标，选股逻辑存在较大的风险。另外，选股指标并不全面，不足以综合反应市场的复杂情况，向市场过度机械化的依赖也会导致选股失误。
如何优化？
应该结合公司的基本面、市场形势和技术指标等多方面的因素进行选股，构建全面的选股模型。在技术指标方面，可以适当增加其权重并结合其他技术指标，以更全面、更准确地反映市场趋势。在公司的基本面因素上，应该重视营收增长、净利润等指标，以及公司的业务前景和管理层等多个方面的因素进行分析和评估。
最终的选股逻辑
选股逻辑为：振幅大于1、股价为18.5元、周线MACD在零轴之上，并结合公司基本面、市场形势和技术指标等多重因素进行选股。
同花顺指标公式代码参考
# 振幅大于1
SELECT1 = (HIGH-LOW)/HIGH > 0.01
# 股价为18.5元
SELECT2 = CLOSE == 18.5
# 周线MACD在零轴之上
DIF, DEA, MACD = MACD(12, 26, 9)
SELECT3 = MACD > 0
SELECT = SELECT1 AND SELECT2 AND SELECT3
以上为计算选股逻辑的同花顺指标公式。即选股指标为：振幅大于1、股价为18.5元、周线MACD在零轴之上。同时还应该加入公司基本面、市场形势和其他技术指标等因素，以构建全面的选股模型。
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, industry in pro.stock_basic(fields='ts_code,name,industry', exchange='', list_status='L').values.tolist() if name[0] != 'S']
# 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,market_type,holders')
if all_data.empty or all_data.iloc[0]['total_equity'] == 0:
continue
if all_data.iloc[0]['market_type'] != 1 or all_data.iloc[0]['holders'] == '非公开发行股份上市':
continue
quote_data = pro.daily(ts_code=ts_code, start_date=(pd.Timestamp.now() - pd.Timedelta(days=365)).strftime('%Y%m%d'), end_date=pd.Timestamp.now().strftime('%Y%m%d'), fields='ts_code,trade_date,open,high,low,close,vol,amount')
if quote_data.empty or len(quote_data) < 40:
continue
dif, dea, macd = talib.MACD(quote_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] <= 0:
continue
if quote_data['low'].min() == 0 or quote_data['high'].max() / quote_data['low'].min() < 1.01:
continue
if quote_data['close'][-1] != 18.5:
continue
selected_data = quote_data.iloc[-1].copy()
selected_data['ts_code'] = ts_code
selected_data['pro_name'] = all_data.iloc[0]['pro_name']
selected_stocks.append(selected_data)
selected_stocks_sorted = sorted(selected_stocks, key=lambda x: x['vol'], reverse=True)
return selected_stocks_sorted
以上为Python代码实现，选股逻辑为：振幅大于1、股价为18.5元、周线MACD在零轴之上，并结合公司基本面、市场形势和技术指标等多重因素进行选股。可根据实际需求进行修改。
## 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。
