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在零轴之上和有元宇宙概念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
本选股策略主要在技术面和概念面上进行股票选择。振幅大于1能够反映出股价短期波动趋势，周线MACD在零轴之上代表股票呈现上涨趋势，元宇宙概念是近年来非常热门的概念，拥有元宇宙概念的企业具有更高的科技含量和发展潜力。本选股策略对于一些处于上涨期的元宇宙股票或有潜力的元宇宙概念股票具有一定的参考价值。
有何风险？
本选股策略存在一定的风险。由于该策略依赖元宇宙概念和技术面的因素，对于企业的基本面并未考虑充分。同时，元宇宙概念并不一定代表着企业本身的实力和发展潜力，市场风险可控性较低，个股波动幅度较大。
如何优化？
对于选股策略的优化，建议加入更多的基本面因素来对企业的实力进行评估，如市盈率、市净率、ROE、评级等指标。同时，可以考虑减少对短线行情的操作，提升选出股票的市场可控性以及投资收益稳定性。
最终的选股逻辑
本选股策略在振幅大于1、周线MACD在零轴之上和有元宇宙概念的企业三个筛选条件上进行选股，综合考虑了股票的技术面和概念面因素，选出一些具有优秀科技含量和内在价值的元宇宙股票。在这个基础上，可以引入更多因素对股票进行综合评估。
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)
有元宇宙概念的股票：
INDUSTRY("610") >= 0
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='20220101', end_date='20220228')
if ts_code.startswith(("00", "30")) and \
(weekly_data.high - weekly_data.low).mean() / weekly_data.close.mean() > 0.01 and \
INDUSTRY("610")[ts_code] > 0:
macd, macd_signal, _ = talib.MACD(weekly_data.close, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] > 0 and macd[-1] > macd_signal[-1]:
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。
## 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。
