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在零轴之上的股票，并排除北京A股。
选股逻辑分析
本选股策略综合考虑了技术面和基本面因素，选取符合振幅大于1、周线MACD在零轴之上条件的股票。同时，由于北京地区的政策限制较多，排除北京A股，以避免收到政策因素的影响，增加选股的稳健性。该选股策略能够较好地过滤出技术面和基本面均较为优秀的股票。
有何风险？
该选股策略并未对股票的估值因素进行考虑，可能会忽略一些估值优秀的股票。同时，由于排除了北京A股，可能会错过一些发展优秀的企业或者高地价区域的房地产公司。此外，股票市场的变化也可能影响到股票的振幅，因此该策略的有效性需要与市场动态保持同步。
如何优化？
应该进一步考虑股票的估值因素，选择具备较高估值水平的股票。同时，在选择排除某个地区的股票时，需要结合该地区的实际情况进行综合考虑。此外，应该注意选股策略的适用性，避免将过度依赖历史数据的选股策略用于不同市场环境下，导致投资效益下降。
最终的选股逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上的股票，并排除北京A股。同时，需要综合考虑股票的估值因素和实际市场情况，以选出符合投资策略的股票。
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)
排除北京A股：
NAME NOT LIKE '%北京港%' AND NAME NOT LIKE '%首旅%' AND NAME NOT LIKE '%北京控股%' AND NAME NOT LIKE '%北京城建%' AND NAME NOT LIKE '%汇源%' AND NAME NOT LIKE '%首钢股份%' AND NAME NOT LIKE '%京东方%'
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:
# 排除北京A股
if ts.get_stock_basics().loc[code]['name'].find('北京') != -1:
continue
# 获取股票数据
daily_data = ts.get_k_data(code)
if len(daily_data) < 1:
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 \
ts.get_hist_data(code)['totalmv'][0] < 100000:
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略选取振幅大于1、周线MACD在零轴之上的股票，并排除北京A股。此外，还需要综合考虑估值因素、实际市场情况，以及选择合适的投资策略进行投资。
## 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。
