问财量化选股策略逻辑
选股策略为：在元宇宙行业中筛选昨日出现龙虎榜，前天的 MACD 指标小于零的股票。
选股逻辑分析
该选股策略主要从技术面入手，通过分析 MACD 指标与龙虎榜的交叉，寻找一些技术面上出现异常的热门股票。龙虎榜的筛选，可以筛选出市场关注度较高的股票，而 MACD 指标则可以找出市场情绪较为低迷的股票。整体选股逻辑相对较为实用和容易实现。
有何风险？
该选股策略同样缺乏基本面分析的内容，过于侧重技术面，容易忽略股票真正的价值和风险。同时，该策略基于历史数据计算，不能保证未来表现，可能出现错误的判断和选择。此外，MACD 指标的使用需要注意分析时间段、时间长度等因素的影响，不能简单地依赖于指标信号。
如何优化？
在原有选股逻辑的基础上，可以考虑加入基本面分析，以及加入其他技术指标的筛选条件，更全面地分析选股的机会和风险，同时避免过度依赖历史数据。针对 MACD 指标，可以更加深入地分析其使用时间段、时间长度之间的关系，同时可以通过分析其他技术指标和量价关系等方式对结果进行印证和修正。
最终的选股逻辑
在元宇宙行业中筛选昨日出现龙虎榜，前天的 MACD 指标小于零的股票。针对选出的股票，加入基本面分析和其他技术分析，综合筛选，更加全面地分析选股的机会和风险。
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);
选出前天MACD小于零的股票：SELECT_IF((MACD(1,12,26)<0) AND (MACD(2,12,26)>=0),1,0);
合并筛选条件：(INDUSTRY == '元宇宙') AND \
(SELECT_IF(EXIST_INLHB==1,1,0)) AND \
(SELECT_IF((MACD(1,12,26)<0) AND (MACD(2,12,26)>=0),1,0))
Python代码参考
import tushare as ts
from talib import MACD
import datetime as dt
def get_eligible_stocks():
now = dt.datetime.now().strftime('%Y-%m-%d')
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']:
daily_k_data = ts.get_k_data(stock_code, start=(dt.datetime.now()-dt.timedelta(days=30)).strftime('%Y-%m-%d'))
macd, signal, hist = MACD(daily_k_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-2] < 0 and macd[-3] > 0:
eligible_stocks.append(stock_code)
return eligible_stocks
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，使用 TA-Lib 包计算 MACD 指标，通过 Python 逻辑实现了选股策略。需要注意细节问题，包括数据处理、异常处理和数据来源的可靠性等问题，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。
