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、上市天数大于60天的股票。
选股逻辑分析
本选股策略同样基于技术面选股策略，加入了上市天数条件，筛选出相对稳定和成熟的上市公司。通过振幅、MACD等技术指标进行筛选，可以初步判断股票处于上涨趋势中，加入上市时间因素可以进一步筛选出潜力较大的新兴股。
有何风险？
本选股策略同样存在较大的风险和局限，其中一个主要风险是技术面指标难以完全反映出公司基本面、行业景气等因素的影响。此外，选取的指标可能忽略了一些重要的市场变化和投资热点，需要进一步补充和调整。
如何优化？
可以基于技术面指标和基本面指标进行结合和剖析，以建立更准确的选股指标，例如结合公司收益、估值、风险等因素进行评估和筛选。同时，也需要加强技术面指标的精细化和个性化，以更好地反映不同股票的特征和趋势。
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、上市天数大于60天的股票，通过技术面指标和上市时间因素进行筛选，以确保投资决策的准确性和收益率的稳定性。
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)
上市天数大于60天（以成立日期为准）：
(TRADE_DAYS - IPO_DATE) > 60
python代码参考：
# 引入Tushare库
import tushare as ts
# 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='20220701', end_date='20220731')
if (weekly_data.high - weekly_data.low).mean() / weekly_data.close.mean() > 0.01 and weekly_data.iloc[-1]['close'] > weekly_data.iloc[-1]['ma30'] and (all_data.loc[all_data.ts_code == ts_code, 'list_date'].values[0] - '20100101').days > 60:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
在选股逻辑中加入了上市时间因素，使用Tushare库获取股票数据，按照选股条件筛选。在优化本选股策略时，建议加入更多因素和补充指标，形成更加完整和准确的选股体系。需要通过加强风险控制、优化交易策略等手段降低投资风险。
## 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。
