问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上，并且在2021年内曾有涨停板的股票作为投资标的。
选股逻辑分析
本选股策略选取了振幅、MACD和涨停板指标作为选股因子。振幅和MACD指标可以反映股票市场表现和趋势性，指导投资者判断买进卖出时机。而涨停板指标则可以反映市场对一只股票的追捧程度。选择振幅大于1、周线MACD在零轴之上，2021年内曾有涨停板的股票作为投资标的，在市场交易、筹码等方面符合一定要求。
有何风险？
选股策略忽略公司的实际经营情况、行业市场情况、政策风险等因素的影响，只考虑技术面指标和市场交易情况来筛选股票。对于企业实际情况的忽略，可能带来误导性的结论，是选股逻辑存在的局限。
如何优化？
对于选取的选股因子，需要多维度、多方面地进行分析。适时关注企业的基本面和盈收情况，考虑行业趋势等因素进行调整和分析，使逻辑更加完善。同时，要避免单纯追求短期效果，而要注重长期价值和成长性。
最终的选股逻辑
本选股策略基于技术面指标和市场交易情况，选取振幅大于1、周线MACD在零轴之上，并且在2021年内曾有涨停板的股票作为投资标的。同时，综合考虑行业趋势、公司盈收情况等因素，从长期持有的角度考虑，避免过度追求短期投资利润。
同花顺指标公式代码参考：
振幅大于1：
(HIGH - LOW) / PRE_CLOSE > 0.01
周线MACD在零轴之上：
(REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1)) AND (MACD(12,26,9) > 0)
2021年内曾有涨停板：
COUNT(ABS((HIGH/LOW)-1)>=0.095 AND IFF(HIGH==LOW,0,(CLOSE-LOW)/(HIGH-LOW)>=0.95 AND YEAR(DATE)==YEAR(GET_EXCHANGE_DAY())),1) > 0
python代码参考：
# 引入Tushare库
import tushare as ts
# 查询股票数据，根据条件筛选股票
selected_stocks = []
for code in ts.get_stock_basics().index:
# 获取股票数据
daily_data = ts.get_k_data(code)
if len(daily_data) < 1:
continue
# 筛选符合条件的股票
if (daily_data['high'] - daily_data['low']).mean() / daily_data['close'].mean() > 0.01 and \
(REF(MACD(12, 26, 9), 1) > REF(MACDSIGNAL(12, 26, 9), 1)) and \
count((abs(daily_data['high'] / daily_data['low'] - 1) >= 0.095) &
(ifft(daily_data['high'] == daily_data['low'], 0, (daily_data['close'] - daily_data['low']) /
(daily_data['high'] - daily_data['low']) >= 0.95) & (YEAR(daily_data['date']) == 2021), 1)) > 0:
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略根据振幅、MACD和涨停板指标筛选出振幅大于1、周线MACD在零轴之上，并且在2021年内曾有涨停板的股票作为投资标的。同时，结合公司的具体经营情况和行业趋势等因素进行多方面分析，提高选股精度和效能。
## 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。
