问财量化选股策略逻辑
本选股策略选取振幅大于1、上市时间大于一年，并且前天的MACD指标小于0的股票。
选股逻辑分析
选取振幅大于1和上市时间大于一年的股票，可以降低选择的股票中涨跌较为剧烈的股票，振幅的另一面也可以反应该股票的热度。选择前天MACD指标小于0的股票可以过滤出短期而言处于弱势的股票，促使我们找到寻找处于可能的入场点。
有何风险？
MACD指标的拐点可能存在滞后性，选择前天MACD指标小于0的股票不一定能准确提醒处于弱势的股票及时调整或卖出，需要结合其他指标一起考虑。
如何优化？
应该将其他指标如KDJ、RSI等指标也考虑在内，以得到更完备选股的结果，并且加入量价分析、行情分析等技术分析的工具，结合量能的分析，获取更准确综合分析的选股结果。
最终的选股逻辑
本选股策略选取振幅大于1、上市时间大于一年，并且前天的MACD指标小于0的股票。
同花顺指标公式代码参考
振幅和上市时间的选择条件同前面策略相同，前天MACD指标小于0的条件可使用通达信公式：“EXPMA(CLOSE,12)-EXPMA(CLOSE,26)>0 && EXPMA(CLOSE,12)-EXPMA(CLOSE,26)-EXPMA(EXPMA(CLOSE,12)-EXPMA(CLOSE,26),9)<0 && REF(EXPMA(CLOSE,12)-EXPMA(CLOSE,26)-EXPMA(EXPMA(CLOSE,12)-EXPMA(CLOSE,26),9),1)>0”
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
today = pro.trade_cal(exchange='', is_open='1')["cal_date"].values[-1]
two_days_ago = pro.trade_cal(exchange='', is_open='1', end_date=today, count=2)["cal_date"].values[0]
for i in range(3):
# 筛选出振幅大于1、上市时间大于一年的股票
basic = pro.stock_basic(list_status='L', fields='ts_code,name,list_date')
basic = basic[basic["list_date"].apply(int).apply(lambda x: (int(today) - x) > 365)]
# 筛选出前天MACD指标小于0的股票
quote = pro.daily_basic(ts_code='', trade_date=two_days_ago,
fields='ts_code,turnover_rate,macd')
quote = quote[quote["macd"].apply(lambda x: float(x)) < 0]
quote = quote[quote["ts_code"].isin(basic["ts_code"].tolist())]
selected_stocks = quote["ts_code"].tolist()
if len(selected_stocks) >= n:
break
return selected_stocks[:n]
## 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。
