问财量化选股策略逻辑
选股逻辑为振幅大于1，昨天出现在龙虎榜单上的股票，并且周线macd在零轴之上。通过综合分析振幅、龙虎榜单和周线macd指标进行选股，找到符合条件的股票。
选股逻辑分析
- 振幅大于1表明短期内波动较大，可能存在较大的投资机会；
- 龙虎榜单的股票通常具有短期市场炒作波动的可能性，可以作为固定收益（短线交易）的投资机会；
- 周线macd在零轴之上表明股票当前处于上涨趋势，可能具有更大的上涨空间。
有何风险？
- 选股后的回测模拟结果存在与实际投资收益的差距；
- 龙虎榜单的股票可能并不是所有机构一致看好的标的，短期市场情绪波动较大；
- macd指标可能存在拐点等信号滞后的情况；
- 选股逻辑过于简单，可能会引入一定的噪音和虚假信号。
如何优化？
- 可以结合其他基本面指标进行综合分析，如市盈率PE、市净率PB等，提高选股结果的准确性和可靠性；
- 对macd指标进行相应的调整和优化，如设定时间窗口、选择不同的参数组合等，提高选股结果的稳定性和可靠性；
- 可以进行相应的风险控制策略，防范选股后出现不可逆转的亏损。
最终的选股逻辑
选股逻辑为振幅大于1，昨天出现在龙虎榜单上的股票，并且周线macd在零轴之上的股票。通过综合分析振幅、龙虎榜单和周线macd指标进行选股，以更全面、多角度的方式判断股票的价值和投资机会。
同花顺指标公式代码参考
# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)
# 判断昨天是否出现在龙虎榜上
lhb_data = LHB
yesterday_lhb = REF(lhb_data['buy'] + lhb_data['sell'], 1)
picks_lhb = IF(yesterday_lhb > 0, 1, 0)
# 计算周线macd
dif_12_26, dea_12_26, macd_12_26 = MACD(C, 12, 26, 9)
week_macd = REF(macd_12_26, -1)
picks_macd = IF((macd_12_26 > 0) & (week_macd > 0), 1, 0)
# 选取符合条件的股票
picks = picks_amplitude * picks_lhb * picks_macd
picks_final = SortBy(picks, C, descending=True)
# 输出选股结果
WriteIf(picks_final, picks_final, 0)
Python代码参考
# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = df[df['amplitude'] > 1].index.tolist()
# 判断昨天是否出现在龙虎榜上
lhb_data = pro.top_list(trade_date='20211008', fields='ts_code')
yesterday_lhb = lhb_data['ts_code'].tolist()
picks_lhb = set(yesterday_lhb)
# 计算周线macd
df['dif'], df['dea'], df['macd'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df['week_macd'] = df['macd'].shift(-1)
picks_macd = df[(df['macd'] > 0) & (df['week_macd'] > 0)].index.tolist()
# 选取符合条件的股票
picks = set(picks_amplitude) & set(picks_lhb) & set(picks_macd)
picks_final = df.loc[picks].sort_values(by='close', ascending=False)['ts_code'].tolist()
# 输出选股结果
print(picks_final)
## 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。
