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、昨天换手率大于8%的股票作为投资标的。
选股逻辑分析
本选股策略利用技术面指标和股票交易数据筛选股票，振幅、MACD和换手率这些指标可以反映股票的市场表现和交易数据情况。这些指标的研究有助于投资者更好地把握市场变化，但该选股策略也存在着一定的局限性。该选股策略没有考虑到公司基本面、行业市场等因素对于股票价格的影响，存在较大市场风险。
有何风险？
本选股策略忽略了公司基本面、行业市场等因素的影响，仅基于技术面指标和交易数据来选股，可能存在较大风险。股票价格容易受到市场环境变化或公司信息公告等因素的影响，选择出的股票可能存在着较大波动性。此外，选股策略涉及到的指标的短期统计可能存在着一定波动性和误差。
如何优化？
在技术面指标和交易数据的基础上，需要充分考虑股票的公司基本面、行业市场等因素的影响，以提高选股的准确性。同时可以引入财务等其它数据指标，结合多种角度来评估股票的价值，从而选定更加具有价值的个股。
最终的选股逻辑
本选股策略基于技术面指标和交易数据的筛选股票，需要结合公司基本面、行业市场等因素综合考虑，从而提高选股的准确性。
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)
昨天换手率大于8%：
(VOL / CAPITAL) * 100 > 8
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 = []
stock_data = ts.get_stock_basics()
for code in stock_data.index:
# 获取股票数据
daily_data = ts.get_hist_data(code)
# 获取昨日换手率
yesterday_turnover = ts.get_hist_data(code).iloc[-2]['turnover']
# 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
(yesterday_turnover / stock_data.loc[code]['totals'] * 100) > 8):
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略基于技术面指标和股票交易数据的筛选股票，有助于投资者在一定程度上把握市场变化。在后续筛选股票的过程中还需要结合公司基本面、行业市场等因素，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。
