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、价格小于12的股票。
选股逻辑分析
本选股策略主要从技术面入手，选取符合振幅大、MACD指标好的低价股作为投资标的，旨在寻找具有较高回报潜力的、低风险的股票。
有何风险？
选股逻辑相较于较为单一的条件选股策略来说更为复杂，可能存在多重假象。同时，本选股策略没有考虑到公司基本面因素，可能会忽略诸如行业前景、竞争状况和财务状况等重要因素。此外，选取价格较低的股票并不能保证未来的表现，并且低价股相对有更高的风险。
如何优化？
可以加入更多的技术面指标和基本面指标，例如利用RSI指标和均线系统进行辅助判断，同时在选股前对公司的基本面数据进行深入分析和比较，以更准确的评价股票的投资价值和风险水平。此外，可以考虑利用机器学习等技术对选股策略进行优化，提高选股的准确性和实时性。
最终的选股逻辑
本选股策略从技术面出发，筛选振幅大于1、周线MACD在零轴之上、价格小于12的股票，结合基本面数据进行深度分析，选取具有较高投资价值的优质股票。
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)
价格小于12:
CLOSE < 12
python代码参考：
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
# 查询股票数据，根据条件筛选股票
selected_stocks = []
stock_data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,price') # 获取股票基本数据
for ts_code in stock_data['ts_code']:
# 获取股票数据
daily_data = pro.daily(ts_code=ts_code, start_date='20000101', end_date='20220731')
# 筛选符合条件的股票
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 daily_data.close.values[-1] < 12:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股逻辑依旧使用技术面指标进行筛选，同时引入了基本面因素以进行更全面的考量。对价格指标的筛选加入了时间维度。在优化选股策略时，可以尝试加入更多的指标进行筛选和综合评估，以求达到更加全面准确的选股效果。
## 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。
