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、市盈率PE大于0的股票。
选股逻辑分析
本选股策略关注技术面和基本面指标，振幅和MACD可以帮助我们评估股票技术面的走势和强度；而市盈率可以初步判断股票的估值水平和投资价值。通过同时考虑技术面和基本面指标，可以更准确地筛选具有投资潜力的股票。
有何风险？
市盈率作为一种宏观经济指标，可能受到宏观经济环境和行业影响较大，不同行业市盈率的差异也可能导致筛选结果存在偏差。同时，PE大于0的条件过于宽泛，可能会选出一些潜在的烂股。
如何优化？
可以根据不同行业、不同市值范围、不同风险偏好等条件，设计更加精准的市盈率筛选条件，进一步提高选股的精度和稳定性。同时，可以加入其他基本面数据和市场情绪指标等，对选股策略进行完善和优化。
最终的选股逻辑
本选股策略选取股票振幅大于1、周线MACD在零轴之上、市盈率PE大于0的股票，通过同时考虑技术面和基本面指标，筛选出具有投资潜力的股票，并不断完善和优化选股逻辑，提高选股的准确性和稳定性。
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)
市盈率PE大于0：
PE > 0
python代码参考：
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
# 查询当前所有股票的数据
all_data = pro.stock_basic()
# 根据选股条件筛选股票
selected_stocks = []
for ts_code in all_data["ts_code"]:
# 获取股票数据
daily_data = pro.daily(ts_code=ts_code, start_date='20000101', end_date='20220731')
basic_data = pro.query('daily_basic', ts_code=ts_code, start_date='20000101', end_date='20220731')
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 basic_data.pe > 0:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
在选股逻辑中加入了市盈率PE大于0的条件，使用Tushare库获取股票数据，根据选股条件筛选股票。优化时需要注意根据实际情况加入更为全面和科学的指标和数据源，进一步完善选股逻辑和风险控制。
## 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。
