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在零轴之上和昨日竞价换手率大于0.26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
本选股策略将振幅、周线MACD和竞价换手率作为选股的因素。振幅大于1意味着股票有较大的波动性，同时周线MACD在零轴之上预示着股票有一定的上涨势头。竞价换手率是股票交易所的一个重要数据，表示竞价交易的股票数量与总成交量的比例。
有何风险？
本选股策略仅关注股票的波动性和技术面状况，未考虑股票的价值面和资金面因素。同时，昨日竞价换手率可能不足以反映股票的真实情况，可能存在其他的影响因素。而且过于依赖技术面，选股结果并不一定适用于所有场景。
如何优化？
建议在选股条件中加入更多的因素，如股票的基本面、资金流向等因素，以便更全面地评估股票。同时，应当关注选股条件之间的关系，对不同的指标赋予不同的权重。在实际操作中，应根据情况灵活适当地进行组合和调整，以达到较好的投资效果。
最终的选股逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上和昨日竞价换手率大于0.26的股票作为选股条件，以查找有上涨潜力的股票。在选出股票之后，建议结合股票的基本面和资金流向分析，如有需要再进行其他指标的筛选，以控制风险。
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)
昨日竞价换手率大于0.26：
VOL / AMOUNT > 0.0026 AND REF(VOL / AMOUNT, 1) < 0.0026
python代码参考：
# 引入Tushare库和TA-Lib库
import tushare as ts
import talib
# 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
daily_data = pro.daily(ts_code=ts_code, start_date='20220301', end_date='20220331')
if ts_code.startswith(('00', '30')) and \
(daily_data.high - daily_data.low).mean() / daily_data.close.mean() > 0.01:
macd, macd_signal, _ = talib.MACD(daily_data.close, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] > 0 and macd[-2] < 0:
if daily_data.volume[-2] / daily_data.amount[-2] < 0.0026 and \
daily_data.volume[-1] / daily_data.amount[-1] > 0.0026:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
本选股策略使用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。同时，考虑到流动性的重要性，建议加入更多的流动性因素。
## 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。
