问财量化选股策略逻辑
选股策略为：在元宇宙行业中选择昨天出现龙虎榜且日线 MACD 指标大于0的股票。
选股逻辑分析
该选股策略在元宇宙行业中寻找昨天出现龙虎榜且日线 MACD 指标大于0的热门股票，以进一步筛选出表现较好的股票。
有何风险？
该选股策略可能存在选出股票过于热门、过于高估或在短期内的表现不具有代表性的问题，同时 MACD 指标的选择、参数的确定可能会影响策略的有效性。
如何优化？
该选股策略可以考虑结合其他技术分析指标、基本面数据和资金流数据，如相对强弱指数、换手率、市盈率等，进一步筛选具有长期投资价值和成长潜力的股票。
最终的选股逻辑
在元宇宙行业中选择昨天出现龙虎榜且日线 MACD 指标大于0的股票。
同花顺指标公式代码参考
选出符合元宇宙行业的股票：INDUSTRY == '元宇宙';
选出昨天出现龙虎榜的股票：SELECT_IF(EXIST_INLHB==1,1,0);
选出日线 MACD 指标大于0的股票：MACD(12,26,9) > 0;
合并筛选条件：(INDUSTRY == '元宇宙') AND \
(SELECT_IF(EXIST_INLHB==1,1,0)) AND \
(MACD(12,26,9) > 0)
python代码参考
import akshare as ak
import tushare as ts
def get_eligible_stocks():
eligible_stocks = []
stock_data = ts.get_today_all()
for stock_code, row in stock_data.iterrows():
if '元宇宙' in row['industry_name']:
if row['lhb'] and is_macd_positive(stock_code):
eligible_stocks.append(stock_code)
return eligible_stocks
def is_macd_positive(stock_code):
daily_data = ts.get_k_data(stock_code, start='20200101')
ema_12 = daily_data['close'].ewm(span=12).mean()
ema_26 = daily_data['close'].ewm(span=26).mean()
diff = ema_12 - ema_26
dea = diff.ewm(span=9).mean()
macd = (diff - dea) * 2
if macd.iloc[-1] > 0:
return True
return False
print(get_eligible_stocks())
在上述 Python 代码中，我们使用 tushare 包获取 A 股的实时行情数据，并结合 pandas 库进行了日线 MACD 指标的计算，通过 Python 逻辑，实现了选股策略。需要注意数据处理、异常处理和 MACD 指标等的细节问题，同时需要考虑风险管理和资金管理等因素。
## 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。
