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在零轴之上和MACD零轴以上的股票作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略将振幅大于1、周线MACD在零轴之上和MACD零轴以上作为选股的因素。选中该类型的股票将有较高的上涨潜力。该选股条件具有一定的科技含量，比较适合中短线的投资，风险控制能力较强。
有何风险？
本选股策略存在一定的风险。由于该策略仅考虑了技术面的因素，对于企业的基本面并未进行充分的考虑。同时，MACD零轴以上的状态并不一定预示着股票的上涨，有可能出现震荡或下跌的情况。
如何优化？
对于本选股策略的优化，建议加入更多的基本面因素对企业的实力进行评估，如市盈率、市净率、ROE、评级等指标，以及加入一些资金流向或其他形态分析指标。同时，可以适当调整选股时间周期，加强对于市场整体趋势的把握，有助于提升投资收益稳定性。
最终的选股逻辑
本选股策略在振幅大于1、周线MACD在零轴之上和MACD零轴以上三个筛选条件上进行选股，综合考虑了股票的技术面因素，选出一些具有较好上涨潜力的股票。在这个基础上，可以引入更多因素对股票进行综合评估。
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)
MACD零轴以上：
(MACD(12, 26, 9) > 0)
python代码参考
# 引入Tushare库和TA-Lib库
import tushare as ts
import talib
# 连接Tushare库
pro = ts.pro_api()
# 查询所有股票的数据
all_data = pro.stock_basic()
# 根据选股条件进行筛选
selected_stocks = []
for ts_code in all_data["ts_code"]:
# 获取股票数据
weekly_data = pro.weekly(ts_code=ts_code, start_date='20220101', end_date='20220228')
if ts_code.startswith(("00", "30")) and \
(weekly_data.high - weekly_data.low).mean() / weekly_data.close.mean() > 0.01:
macd, macd_signal, _ = talib.MACD(weekly_data.close, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] > 0 and macd[-2] < 0:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股策略通过Tushare库获取股票数据并进行筛选，使用TA-Lib库的函数进行选股筛选条件的计算。在选股策略的后续优化中，建议加入更多因素和补充指标，在技术面的基础上充分考虑公司基本面和行业趋势。
## 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。
