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在零轴之上和今日增仓占比大于5%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、周线MACD和今日增仓占比作为选股的因素。振幅大于1意味着股票有较大的波动性，同时周线MACD在零轴之上预示着股票有一定的上涨势头。今日增仓占比大于5%说明大量资金进入，预示股票存在一定的上涨潜力。
有何风险？
本选股策略忽略了股票的价值面和基本面因素的考虑，同时选股条件中今日增仓占比标准较高，可能会出现在上涨趋势中的股票大量增仓的情况，无法较好地控制风险。此外，振幅和MACD指标存在滞后性，有可能会错过一些重要时间点。
如何优化？
建议结合股票的基本面和估值因素对筛选出的股票进行评估，同时应关注增仓占比和成交量的变化趋势，以控制风险。在技术面的基础上，建议引入其他形态分析指标，以充分考虑市场趋势的变化。
最终的选股逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上和今日增仓占比大于5%的股票作为选股条件，为查找有上涨潜力的股票提供了筛选标准。在选出股票之后，建议进行更多的基本面和资金流向分析，如有需要再进行其他指标的筛选，以控制风险。
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)
今日增仓占比大于5%：
(C-REF(C,1))/REF(C,1) > 0.05
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='20220301', end_date='20220331')
if ts_code.startswith(("00", "30")) and \
(daily_data.high - daily_data.low).mean() / daily_data.close.mean() > 0.01:
macd, macd_signal, _ = talib.MACD(daily_data.close, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] > 0 and macd[-2] < 0 and (daily_data.close[-1] - daily_data.close[-2]) / daily_data.close[-2] > 0.05:
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。同时，考虑到流动性的重要性，建议加入更多的流动性因素。
## 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。
