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，并且前25天内曾有涨停板的股票作为投资标的。
选股逻辑分析
本选股策略选取振幅、MACD和涨停板指标筛选。振幅和MACD指标反映了股票市场的表现和趋势性，而涨停板指标则反映了市场对该股票的追捧程度。通过综合分析这三个指标，筛选出符合要求的股票作为投资标的。但是该策略忽略了公司的具体经营情况、行业市场情况、政策风险等因素的影响，只基于技术面指标和市场交易情况来筛选股票，存在一定的局限性和风险。
有何风险？
选股策略忽略了公司的具体经营情况、行业市场情况、政策风险等因素的影响，只基于技术面指标和市场交易情况来筛选股票，存在一定的局限性和风险。而且过度追求短期涨停效果，容易导致后续股票涨幅缩水，投资收益下降。
如何优化？
结合技术面和基本面、市场情况、政策等多种因素来筛选股票，以提高选股的准确性和效益。同时，应加强对公司的具体经营情况和行业趋势的研究，从长期持有的角度考虑选股，避免过度追求短期效果而忽略长期投资价值。
最终的选股逻辑
本选股策略基于技术面指标和市场交易情况选取振幅大于1、周线MACD在零轴之上，并且前25天内曾有涨停板的股票作为投资标的。结合公司的具体经营情况、行业市场情况、政策风险等因素，加以综合考虑，以提高选股的准确性和效益。
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)
前25天内有涨停板：
COUNT(ABS((HIGH/LOW)-1)>=0.095 AND IFF(HIGH==LOW,0,(CLOSE-LOW)/(HIGH-LOW)>=0.95),25) > 0
python代码参考：
# 引入Tushare库
import tushare as ts
# 查询股票数据，根据条件筛选股票
selected_stocks = []
for code in ts.get_stock_basics().index:
# 获取股票数据
daily_data = ts.get_k_data(code)
if len(daily_data) < 25:
continue
# 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 \
count((abs(daily_data['high'] / daily_data['low'] - 1) >= 0.095) &
(ifft(daily_data['high'] == daily_data['low'], 0, (daily_data['close'] - daily_data['low']) /
(daily_data['high'] - daily_data['low']) >= 0.95), 25)) > 0:
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略根据振幅、MACD和涨停板指标筛选出振幅大于1、周线MACD在零轴之上，前25天内曾有涨停板的股票作为投资标的。结合公司的具体经营情况、行业市场情况、政策风险等因素，加以综合考虑，以提高选股的准确性和效益。
## 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。
