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、今日上涨大于1的主板个股作为选股标的，以查找同时具备技术面和市场情绪因素，具备短期涨势的个股，作为交易标的。
选股逻辑分析
本选股策略主要基于技术面和市场情绪因素进行选股。选择振幅大于1、周线MACD在零轴之上、今日上涨大于1%等条件做为选股标准，可以有效地筛选出有短期上涨趋势的个股，提高交易成功的概率。同时限制在主板个股中选取，则降低市场风险。
有何风险？
该选股策略忽略了企业基本面因素的影响，没有考虑公司盈利状况、财务情况等，存在选出超买或重心不稳的股票的风险。同时，市场风险存在不可预测性，不能保证股票市场不发生大的波动。
如何优化？
建议在选股条件中加入其他相关因素，如MACD金叉等技术面指标，以综合反映标的的技术面状况。选股条件应该结合基本面、技术面和市场情绪进行综合考虑，全面评估投资标的的价值和风险。同时，需要通过加强风险控制、优化交易策略等手段降低交易风险。
最终的选股逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上、今日上涨大于1%的主板个股作为选股标的，同时结合MACD金叉等技术面指标和市场情绪等因素进行筛选，以找出具有较好盈利潜力的交易标的。同时，需要加强风险控制、优化交易策略等手段降低交易风险。
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)
今日上涨大于1%：
(CLOSE - OPEN) / OPEN > 0.01
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
daily_data = pro.daily(ts_code=ts_code, start_date='20220615', end_date='20220615')
weekly_data = pro.weekly(ts_code=ts_code, start_date='20220301', end_date='20220331')
if ts_code.startswith('60') and (weekly_data.high - weekly_data.low).mean() / weekly_data.close.mean() > 0.01 \
and (daily_data.close - daily_data.open) / daily_data.open > 0.01:
macd, macd_signal, macd_hist = talib.MACD(weekly_data.close, fastperiod=12, slowperiod=26, signalperiod=9)
if (macd[-1] > macd_signal[-1]) and (macd[-2] < macd_signal[-2]):
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
本选股策略使用Tushare库获取股票数据，并使用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，在基本面、技术面和市场情绪的基础上，综合考虑投资标的的价值面、成长性等因素，形成更加完整的选股体系。同时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。
