问财量化选股策略逻辑
本选股策略选取振幅大于1，（昨日换手率*（今日竞价成交量/昨日成交量））在0.5到2之间，且周线MACD在零轴之上的股票进行选股。该策略依赖市场流动性和活跃度等因素，并结合技术面指标选股。
选股逻辑分析
本选股策略依赖市场流动性，关注的是技术面指标中的MACD在周线上的表现。振幅大于1的股票波动较大，有机会出现高买低卖的机会。同时，通过结合市场流动性和活跃度等因素，筛选出市场活跃且技术面表现良好的股票。
有何风险？
本选股策略依赖市场流动性和活跃度等因素，可能选出一些反弹或者高波动性的股票，存在一定风险。同时，MACD等技术面指标容易受到市场情绪影响，存在短期波动较大的风险。此外，振幅指标可能不适合所有行业，需要针对不同行业进行优化。
如何优化？
为了优化选股策略，可以加入更多的技术面指标，如成交量、强势指标、KDJ等，以全面反映股票的市场表现。同时，应该针对不同行业或板块的情况进行不同的参数选择，以适应市场变化。此外，可以加入基本面指标，如市盈率、市净率、净利润、股息率等，以全面反映公司财务情况。定期进行选股策略的回测和优化，以获得更高的选股精度和回报率。
最终的选股逻辑
本选股策略选取振幅大于1，（昨日换手率*（今日竞价成交量/昨日成交量））在0.5到2之间，且周线MACD在零轴之上的股票进行选股。同时，加入基本面指标、成长性指标和技术面指标，全面反映公司财务、成长性、市场表现和股票价格波动等信息，筛选出具有潜力和可持续性的股票。
同花顺指标公式代码参考
指标：周线MACD在零轴之上
公式：（macd - signal）> 0 and macd > 0
Python代码参考
import tushare as ts
import pandas as pd
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
for code in pro.query('stock_basic', exchange='', list_status='L',
fields='ts_code,name,list_date,list_status,total_mv')["ts_code"]:
if len(selected_stocks) >= n:
break
db = pro.weekly(ts_code=code, fields='open,high,low,close,vol')
if db.empty:
continue
db_amplitude = (db['high'] - db['low']) / db['close'] * 100
db_turnover_rate = db['vol'] / pro.query('stock_basic', ts_code=code,
fields='outstanding_share')['outstanding_share'].iloc[0] * 100
macd, signal, _ = talib.MACD(db['close'].values)
if db_amplitude.iloc[-1] > 1 and 0.5 < db_turnover_rate.iloc[-1] * (db['vol'].iloc[-1] / db['vol'].iloc[-2]) < 2 \
and macd[-1] > signal[-1] and macd[-1] > 0:
selected_stocks.append(code)
return selected_stocks
## 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。
