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、20日均线大于120日均线的股票作为投资标的。
选股逻辑分析
本选股策略同样以技术面为主，加入了均线指标的考量。匹配这些指标可以筛选出在短期内存在有增长潜力的股票。同时，由于加入了均线的数据，在筛选股票时选取的股票更具备相对较高的股票基本面水平。
有何风险？
在选股逻辑中，把一些技术指标数据和均线这些基本面数据结合起来筛选出股票。虽然股票的基本面和技术面都有了分析，但筛选逻辑依然相对简单，也没有考虑市场趋势的影响等非技术因素，存在一定风险。
如何优化？
在本策略中，可以加强对非技术因素——比如公司治理、财务状况、行业趋势等的考虑，提高选股的全面性和准确性。同时，可以对选股规则进行复杂化，加入更多的技术指标来验证股票的投资价值。
最终的选股逻辑
本选股策略在技术面指标的基础上，加入了均线这些基本面数据的考量，适当增加了股票基本面的考虑。在筛选股票时要考虑的因素更全面，选股策略更加严谨。
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)
20日均线大于120日均线：
MA(CLOSE,20) > MA(CLOSE,120)
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 = []
stock_data = ts.get_stock_basics()
for code in stock_data.index:
# 获取股票数据
daily_data = ts.get_hist_data(code)
# 筛选符合条件的股票，加入计算20日和120日均线的指标
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 MA(daily_data.close, 20) > MA(daily_data.close, 120):
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略在加入了均线数据后的筛选标准更为全面，也表现出较良好的效果。虽然筛选逻辑比较简单，但对市场走势趋势等非技术性因素的考虑也会使策略更全面化。
## 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。
