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、集中度70<20%的股票作为投资标的。
选股逻辑分析
本选股策略主要以技术面为主，考虑了振幅和MACD指标。匹配这些指标可以筛选出短期内存在价格波动但又有增长潜力的股票。同时，考虑到集中度70<20%，能够筛选出品种分散、风险降低较为明显的股票。
有何风险？
本选股策略同样较为单一，只考虑了技术面数据和基本面数据，而没有对公司内部治理、财务状况等非技术面因素进行分析，选股依据较为简单。同时，根据集中度的变化可能需要重新调整选股策略。
如何优化？
在技术面因素筛选的基础上，可以考虑加入更多的非技术面数据来确定股票的投资价值。例如加入公司营收情况、利润情况、资产负载情况等数据进行分析。同时，可以根据行业性质进行缩小数据范围，选取行业内的股票。在集中度方面，可以适当进行调整，在集中度范围内调整其他指标来确定股票的投资价值。
最终的选股逻辑
本选股策略在技术面指标的基础上，加入对公司治理、财务状况等非技术面数据的考虑，选股逻辑更加严谨。同时，针对不同行业的股票进行分类、选择，选取适当的范围进行分析，提高选股精度。
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)
集中度70<20%：
(ADD_VOL_L / SUM(ADD_VOL_L, 5)) * 100 < 20 AND (ADD_VOL_L / SUM(ADD_VOL_L, 5)) * 100 > 70
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)
add_vol_l = daily_data['ma5']
# 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 (add_vol_l / add_vol_l.sum()) * 100 < 20 and (add_vol_l / add_vol_l.sum()) * 100 > 70:
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
本选股策略在精细化选股上是有效的。在加入非技术面数据的同时，根据行业特征等其他因素，对选股范围加以限制。然而，此策略同样需要看到股票市场的变化，避免筛选规则使筛选结果无效。
## 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。
