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、昨日非涨停板的股票。
选股逻辑分析
本选股策略同样基于技术面选股策略，加入了昨日非涨停板的条件进行筛选，以避免过度追涨杀跌。通过振幅、MACD等技术指标进行筛选，可以初步判断股票处于上涨趋势中，加入非涨停板条件可以进一步筛选出股价相对合理的股票。
有何风险？
本选股策略同样存在较大的风险和局限，其中一个主要风险是技术面指标难以完全反映出公司基本面、行业景气等因素的影响。同时，涨停板、资金面等因素也可能对股票价格走势产生重要影响，需要进一步补充和调整。
如何优化？
可以加入基本面数据进行选股，例如通过公司营收、利润、市盈率等指标，进行筛选和排序。同时，也要加强风险控制，避免过度追涨杀跌造成的投资风险。
最终的选股逻辑
本选股策略选取股票振幅大于1、周线MACD在零轴之上、昨日非涨停板的股票，通过技术面指标和市场趋势进行筛选，以确保投资决策的准确性和收益率的稳定性。
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)
昨日非涨停板：
(CLOSE / REF(CLOSE,1) < 1.10)
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
daily_data = pro.daily_basic(ts_code=ts_code, trade_date='20220731')
prev_daily_data = pro.daily_basic(ts_code=ts_code, trade_date='20220730')
if (daily_data.close / prev_daily_data.close < 1.1) and (daily_data.high - daily_data.low).mean() / daily_data.close.mean() > 0.01 and daily_data.tot_mv > 1e5 and daily_data.turnover_rate > 3 and daily_data.pe > 0:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
在选股逻辑中加入了非涨停板的条件，使用Tushare库获取股票数据，按照选股条件筛选股票。在优化本选股策略时，可以加入更多因素和补充指标，形成更加完整和准确的选股体系。需要通过加强风险控制、优化交易策略等手段降低投资风险。
## 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。
