问财量化选股策略逻辑
本选股策略选取满足振幅大于1、今日收盘价上穿本周的均线、前天macd＜0的股票作为投资标的。
选股逻辑分析
选股逻辑中主要考虑了技术面选股因素，包括市场波动性、趋势性和动量等指标。振幅大于1表示较大波动率，投资者可以在市场波动大的情况下获取更大的收益。今日均线向上发散意味着股票价格的上涨趋势已经初步形成，可以考虑适当介入。前天macd＜0表明股票价格在短期内具有下跌趋势，当日价格可能存在逆势反弹的可能性，具有一定程度上的买入潜力。
有何风险？
过于依赖技术面指标，容易忽视基本面等因素。综合考虑股票自身基本面因素和宏观经济因素的变化，有可能会发生逆向操作等风险。此外，选股策略因人而异，选择的股票具有不稳定性，适用于一段时间的市场，缺乏长期有效性。
如何优化？
可以引入基本面选股和宏观经济因素分析，以降低风险，同时深入研究技术指标性质并增加相应参数的设定来提高选股精度。在实施选股策略时，需要加强风险管理，例如设定合理的止盈、止损点位，避免过度追涨杀跌。此外，在选股时尽量平衡不同权重的技术面和基本面因素，以避免过于偏颇的情况。
最终的选股逻辑
本选股策略选取满足以下条件的股票：
- 振幅大于1；
- 今日收盘价上穿本周的均线；
- 前天的macd值小于0。
同花顺指标公式代码参考
- 振幅公式：（最高价-最低价）/昨收盘价
- MACD公式：DIF:EMA（close,12）- EMA（close,26），DEMEMA（DIF,9）
python代码参考
import tushare as ts
import pandas as pd
def select_stock(market='sh'):
selected_stocks = pd.DataFrame(columns=["amplitude", "code"])
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'code'][0:2] == '60' or ts.get_stock_basics().loc[stock, 'code'][0] == '0':
continue
data = ts.get_k_data(stock, start='2021-01-01', end='2021-06-30', ktype='D', autype='qfq')
if len(data) < 3:
continue
if data["amplitude"].iloc[-1] < 1:
continue
ma_week = data["close"].rolling(window=5).mean()
if not (data["close"].iloc[-1] > ma_week.iloc[-1] and data["close"].iloc[-1] > data["close"].iloc[-2]):
continue
macd = data['close'].ewm(12).mean()-data['close'].ewm(26).mean()
if macd.iloc[-3]<0:
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"].iloc[-1],
"code": stock
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sh'))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
