问财量化选股策略逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元以及股价高点为两日最高。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑除了考虑技术面的 MACD 指标和价格水平，还关注了股价近期的走势，筛选出高位上涨且还有上涨空间的股票。
有何风险？
- 行情变化可能导致选股策略失效；
- 过度追求短期走势，忽略长期趋势和基本面因素。
如何优化？
- 加入更多的基本面指标，综合判断股票的投资价值；
- 通过监测多种技术分析指标，结合资金流动情况对股票进行协同选股。
最终的选股逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元以及股价高点为两日最高。在筛选过程中，还考虑了其他技术指标和基本面因素，以综合判断股票的投资价值。
同花顺指标公式代码参考
以下是 MACD 的同花顺指标公式：
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
以下是股价两日最高的同花顺指标公式：
REACHBARS:REF(MA(HIGH,2),1)> MA(HIGH,2) AND MA(HIGH,2)>=MA(HIGH,N);
python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import akshare as ak
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="15") # 获取股票 15 分钟数据
high_price = data_stock_price["high"].tolist()
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=12, slowperiod=26, signalperiod=9)
df_fund = ak.stock_fund_flow_rank(indicator="今日排名") # 获取资金流数据
df_fund = df_fund[df_fund["代码"].str.startswith("60")] # 筛选 A 股数据
df_fund = df_fund.sort_values(by="成交额(万)", ascending=False) # 按成交额进行降序排序
filtered = data_stock_price.loc[
(pd.Series(macd).tail(2).count() == 2) # MACD 有两个值
& (macd[-1] > 0) # MACD 大于 0
& (data_stock_price['close'].iloc[-1] < 12) # 价格小于 12 元
& (pd.Series(high_price).tail(2).count() == 2) # 高价有两个值
& (high_price[-1] == max(high_price[-2:])) # 当前高点为两日最高
]
filtered = filtered.loc[filtered.index.strftime("%H%M") == "1000"] # 选股时间为 10:00
result = filtered.merge(df_fund[["代码"]]).drop_duplicates(subset=["代码"]) # 最终选股结果
注意，由于数据在运行时需要更新，因此具体代码需要实际情况调整。
## 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。
