问财量化选股策略逻辑
选取振幅大于1、均价站在五日均线之上且日线MACD值大于0的股票进行投资。
选股逻辑分析
该选股策略集中了振幅、均价和MACD值等多种因素，在选股时更综合的考虑了技术面的多方面因素，并通过振幅指标考虑了股票的波动性，实现对股票短期走势的关注。同时通过MACD判断短期市场趋势是否为上涨，从而筛选出具有上涨空间和投资价值的股票。
有何风险？
此选股策略依然较为注重技术面和短期走势，考虑不足公司基本面、行业趋势等长期因素，容易忽略股票的长期发展潜力。因而对于具有大前期黑天鹅因素、不确定因素影响的股票可能存在投石问路的风险，使得投资难以发挥其应有的价值。
如何优化？
应该给予足够的关注公司基本面、行业趋势等长期因素，并且结合短期市场趋势和波动性等更加全面的考量，可以结合其他技术指标如布林带等来验证所选股票具有的估值空间等等因素，进一步筛选出真正具有投资价值的股票。
最终的选股逻辑
选取振幅大于1、均价站在五日均线之上且日线MACD值大于0的股票进行投资。同时，应考虑公司基本面、行业趋势等长期因素，通过综合分析短期市场趋势、波动性、估值等因素，选择出真正具有投资价值的股票。
同花顺指标公式代码参考
振幅指标：AMO
均价指标：MA(CLOSE,5)
MACD指标：MACD(CLOSE,12,26,9) - MACDSIGNAL(CLOSE,12,26,9)
日线MACD＞0：(MACD(CLOSE,12,26,9) - MACDSIGNAL(CLOSE,12,26,9)) > 0
python代码参考
import tushare as ts
# 获取符合条件的股票
def get_selected_stocks():
data = ts.get_today_all()
data = data[data['turnoverratio'] > 1]
ma5 = data['trade'].rolling(window=5).mean()
condition1 = ma5 > data['trade']
macd = data['close'].ewm(span=12).mean() - data['close'].ewm(span=26).mean()
macdSignal = macd.ewm(span=9).mean()
macdhist = macd - macdSignal
condition2 = macdhist > 0
condition3 = data['amo'] > 0
data = data[condition1 & condition2 & condition3]
data = data[['name','industry','code']]
data_sorted = data.sort_values(by=['trade'], ascending=False)
data_sorted = data_sorted.head(10)
selected_stocks = list(data_sorted['code'])
return selected_stocks
result = get_selected_stocks()
print(result)
注：以上代码仅供参考，实际选股需结合具体情况进行适度修改。
## 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。
