问财量化选股策略逻辑
选股逻辑为振幅大于1、量比大于1.5、量比小于6、周线MACD在零轴之上。
选股逻辑分析
- 振幅大于1可以筛选出波动较大、有较大盈利机会的股票。
- 量比大于1.5、量比小于6可以筛选出成交活跃但不过度的股票。
- MACD在零轴之上可以体现出股票的中期涨势，能有效去除短期波动的影响。
有何风险？
- MACD指标具有滞后性，单独使用MACD指标选股存在时间滞后的风险。
- 忽略其他因素，这个单一的逻辑容易给出错误信号。选股最好是多个因素交叉去考虑，综合作出决策。
如何优化？
- 可以加入其他技术指标和基本面指标，综合考虑，提高选股的准确性。
- 对单一指标选股结果进行动态筛选和跟踪，合理控制仓位和风险。
- 按照市场环境调整选股标准，灵活性更高。
最终的选股逻辑
选股逻辑为振幅大于1、量比大于1.5、量比小于6、周线MACD在零轴之上并且红线在黄线之上。
同花顺指标公式代码参考
(HIGH-LOW)/LOW>=0.01
AND (VOL/VOL_MA5>=1.5)
AND (VOL/VOL_MA5<=6)
AND (MACD()>0)
AND (MACD()-MACD_SIGNAL()>0)
python代码参考
import akshare as ak
import talib
def select():
data = ak.stock_zh_a_daily_sina(symbol="sh000001")
data.index = pd.to_datetime(data.index)
data = ak.stock_zh_a_weekly_sina(symbol="sh000001")
data['macd'], data['macd_signal'], data['macd_hist'] = talib.MACD(data['close'])
data = data.loc[(data['high']-data['low'])/data['low']>=0.01]
data = data.loc[(data['volume']/data['volume'].rolling(window=5).mean()>=1.5)]
data = data.loc[(data['volume']/data['volume'].rolling(window=5).mean()<=6)]
data = data.loc[(data['macd']>0)]
data = data.loc[(data['macd']>data['macd_signal'])]
return data
## 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。
