问财量化选股策略逻辑
选股逻辑为：元宇宙行业、圆弧形形态、周线MACD值在零轴之上。
选股逻辑分析
该选股策略通过结合元宇宙行业、圆弧形形态及周线MACD指标在零轴之上三个特征来筛选股票。MACD指标是技术分析领域的一种常用指标，能够根据移动平均线的变化情况来判断股票价格的变化趋势。同时，该选股策略涉及到的指标较为直观、易于理解，能够较为准确地反映目标股票的技术面情况。
有何风险？
该选股方法存在着忽略公司基本面和未来盈利预期等因素的风险，因此在实际应用时需要谨慎，避免因选股指标不足而导致股票投资的风险。
如何优化？
可以结合KDJ指标等其它技术分析方法来优化选股策略，同时也需要结合公司基本面和未来盈利预期等因素进行综合考虑，以提高选股策略的准确性与稳定性。
最终的选股逻辑
选股逻辑为：元宇宙行业、圆弧形形态、周线MACD值在零轴之上，市值在10亿-100亿之间。
同花顺指标公式代码参考
选股策略中的指标需要深入挖掘，结合现有的同花顺指标库进行综合分析。
python代码参考
import akshare as ak
import pandas as pd
def get_stock_data():
stocks_zh_a_spot_df = ak.stock_zh_a_spot()
selected_stocks = []
for stock_code in stocks_zh_a_spot_df['代码'].unique():
gg_stock = ak.stock_zh_a_spot_em(symbol=stock_code)
if gg_stock.iloc[0]['industry'] == '元宇宙' and '圆弧形' in gg_stock.iloc[0]['name']:
symbol_history_df = ak.stock_zh_a_hist(symbol=stock_code, adjust="hfq")
ewm_short = symbol_history_df['close'].ewm(span=12, adjust=False).mean()
ewm_long = symbol_history_df['close'].ewm(span=26, adjust=False).mean()
dif = ewm_short - ewm_long
dea = dif.ewm(span=9, adjust=False).mean()
macd = 2 * (dif - dea)
if macd.iloc[-1]>0 and (symbol_history_df.iloc[-1]['market_cap'] >= 10 and symbol_history_df.iloc[-1]['market_cap'] <= 100):
selected_stocks.append(gg_stock)
return pd.concat(selected_stocks)
print(get_stock_data())
通过股票代码、公司基本面和历史交易数据的综合考虑，根据筛选条件如周线MACD超过零轴、市值在10亿-100亿之间等选出符合条件的股票信息。需要注意的是，该代码仅仅作为示例，需要对选股指标和选股策略进行调整，并将其应用于实际股票投资中。
## 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。
