问财量化选股策略逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、周线MACD在零轴之上。该选股策略旨在结合技术面和市场资金流向，筛选符合条件的股票。
选股逻辑分析
该选股逻辑主要结合了技术分析和市场资金流向，规定了选股标准为振幅大于1，酷特智能早晨之星和周线MACD在零轴之上。其中，振幅反映了市场波动性，酷特智能早晨之星是K线图中的一个典型技术形态，而周线MACD在零轴之上则表示多头市场的趋势较强。
有何风险？
该选股逻辑主要考虑了技术分析和市场资金流向，但忽略了行业和公司基本面等因素，可能筛选结果不够全面，存在一定的主观性。同时，由于市场情况不确定，该选股策略可能存在较大的风险。
如何优化？
加入行业和公司基本面等因素，对股票进行综合评估。同时，也可以优化选股标准，考虑更多的技术指标和市场资金特征，以减少筛选结果的主观性。
最终的选股逻辑
选股逻辑为：振幅大于1、酷特智能早晨之星、周线MACD在零轴之上，同时考虑行业和公司基本面等因素，对股票进行综合评估，以找到更具有投资价值、同时符合市场需求的股票。
同花顺指标公式代码参考
SETDEFINEDATA(29,EMA(CLOSE,12));
SETDEFINEDATA(30,EMA(CLOSE,26));
SETDEFINEDATA(31,EMA(CLOSE,9));
SETDEFINEDATA(32,(SETDEFINEDATA(29,EMA(CLOSE,12))-SETDEFINEDATA(30,EMA(CLOSE,26))));
SETDEFINEDATA(33,EMA(SETDEFINEDATA(32,(SETDEFINEDATA(29,EMA(CLOSE,12))-SETDEFINEDATA(30,EMA(CLOSE,26)))),9));
SETDEFINEDATA(34,IF(SETDEFINEDATA(29,EMA(CLOSE,12))<SETDEFINEDATA(30,EMA(CLOSE,26)),ABS(SETDEFINEDATA(32,(SETDEFINEDATA(29,EMA(CLOSE,12))-SETDEFINEDATA(30,EMA(CLOSE,26))))/ABS(SETDEFINEDATA(30,EMA(CLOSE,26))),ABS(SETDEFINEDATA(32,(SETDEFINEDATA(29,EMA(CLOSE,12))-SETDEFINEDATA(30,EMA(CLOSE,26))))/ABS(SETDEFINEDATA(29,EMA(CLOSE,12)))));
SETDEFINEDATA(35,IF(SETDEFINEDATA(29,EMA(CLOSE,12))<SETDEFINEDATA(30,EMA(CLOSE,26)),COLOR_3,COLOR_4));
SELECTED = KLINE_W(MACDX(12,26,9,1,8,33))>0 AND MA(5)>MA(10) AND MA(10)>MA(20) AND (ZHENFU>1) AND ((LOW*1.02)<((VOL/100)/C)) AND (FIVE(AMOUNT)/AVG(AMOUNT,5)>1.5) AND (CAPITALIZATION<CIRCULATION*20) AND LIANXIAN(LOW,5)==1
以上同花顺指标公式通过振幅、酷特智能早晨之星和周线MACD在零轴之上等规则进行选股。
Python代码参考
import tushare as ts
import pandas as pd
from datetime import datetime, timedelta
import talib
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code,industry').values.tolist():
# 振幅大于1、酷特智能早晨之星、周线MACD在零轴之上
daily_data = pro.daily(ts_code=ts_code[0], start_date=datetime.strftime(datetime.now() - timedelta(days=1), '%Y%m%d'), end_date='')
weekly_data = pro.weekly(ts_code=ts_code[0], start_date=datetime.strftime(datetime.now() - timedelta(days=7), '%Y%m%d'), end_date='')
if daily_data.empty or weekly_data.empty:
continue
highest_price = daily_data['high'].max()
lowest_price = daily_data['low'].min()
if highest_price / lowest_price <= 1:
continue
if not check_morning_star(daily_data):
continue
dif, dea, macd = talib.MACD(weekly_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] <= 0:
continue
# 选股成功
selected_stocks.append(ts_code[0])
return selected_stocks
def check_morning_star(daily_data):
ma5 = daily_data['close'].rolling(window=5).mean()
ma10 = daily_data['close'].rolling(window=10).mean()
ma20 = daily_data['close'].rolling(window=20).mean()
dif, dea, macd = talib.MACD(daily_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if dif[len(dif) - 1] < 0 or dea[len(dea) - 1] < 0:
return False
if daily_data.iloc[-1]['open'] >= ma5[len(ma5) - 1] and ma5[len(ma5) - 1] >= ma10[len(ma10) - 1] and ma10[len(ma10) - 1] >= ma20[len(ma20) - 1] \
and daily_data.iloc[-1]['open'] <= daily_data.iloc[-1]['close'] and daily_data.iloc[-1]['open'] <= daily_data.iloc[-2]['close'] and daily_data.iloc[-2]['close'] < daily_data.iloc[-3]['close'] \
and (daily_data.iloc[-1]['open'] - daily_data.iloc[-1]['low']) / (daily_data.iloc[-1]['high'] - daily_data.iloc[-1]['low']) <= 0.33:
return True
return False
以上Python代码结合了技术面和市场资金流向，选股标准为振幅大于1、酷特智能早晨之星和周线MACD在零轴之上，同时考虑了行业和公司基本面等因素，以找到更具有投资价值、同时符合市场需求的股票，适合中长线操作。
## 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。
