问财量化选股策略逻辑
选股策略为：元宇宙行业中，流通盘小于等于55亿股，前天macd＜0。
选股逻辑分析
该选股策略主要从行业、流通盘和技术面等角度入手，选取元宇宙行业中，限制流通盘大小，同时满足前天的MACD值小于0的要求，即选择技术面上表现相对较弱的股票，为投资决策提供更有力的支持。
有何风险？
该选股策略仅基于前天的MACD指标进行股票筛选，可能会忽略其他重要因素，如基本面、市场环境等。此外，技术指标并不总是有效，有时可能会因为市场的瞬间变化而导致一些假信号。
如何优化？
可以将技术指标与基本面分析等多种分析方法相结合，形成多维度的选股策略。例如，可以选择在MACD小于0的条件下，再加上其他技术指标的限制，如RSI小于70等。同时，还可以选择基本面好的股票，利用财务数据进行筛选，来提升选股策略的可靠性。
最终的选股逻辑
选取元宇宙行业中，流通盘小于等于55亿股，前天MACD小于0，同时具备优质的基本面的股票。
同花顺指标公式代码参考
选取元宇宙行业中，流通盘小于等于55亿股，前天MACD小于0的股票：
流通盘小于等于55亿股：STOCK_CIRCULATION<=55E8;
前天MACD小于0：REF(MACD(12, 26, 9), 2) < 0;
Python代码参考
import akshare as ak
import datetime
import talib
def get_eligible_stocks():
eligible_stocks = []
today = datetime.datetime.now().strftime("%Y-%m-%d")
stock_data = ak.stock_zh_a_spot_em()
for index, row in stock_data.iterrows():
if row['circulating_market_cap'] <= 55E8:
kline_data = ak.stock_zh_a_hist(symbol=index, period="day")
macd = talib.MACD(kline_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if macd[0][-3] < 0:
# 添加其他筛选条件
eligible_stocks.append([index, row['name']])
return eligible_stocks
print(get_eligible_stocks())
该选股策略的Python代码使用了Akshare获取A股的股票数据和历史K线数据，利用Talib计算前天的MACD值。首先，对于每一只符合流通盘小于等于55亿股的股票，计算其前天的MACD值，判断是否小于0，如果符合要求，将其代码和名称存入列表。同时，可以根据需要添加其他指标的计算和筛选。需要注意的是，该选股策略具有一定主观性，需要根据实际情况进行调整。
## 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。
