(supermind策略)task16/a/macd零轴以上、PE>0、按个股热度从大到小

问财量化选股策略逻辑

选股逻辑为MACD零轴以上、PE大于0，按个股热度从大到小排序。选股时间为每个交易日开盘前。

选股逻辑分析

该选股逻辑主要基于以下几个方面:

1. MACD零轴以上：表示当前股票处于上涨趋势；
2. PE大于0：表示当前股票的市盈率正常；
3. 按个股热度从大到小排序：当前个股热度高，有更多投资者关注，有可能具有更好的投资机会；
4. 选股时间为每个交易日开盘前：确保选股的时效性。

有何风险？

1. 热度指标的准确性可能不足以反映个股的投资价值；
2. 选股条件较为简单，因此可能存在过度拟合问题；
3. 筛选出的个股数量可能过多或过少，需要视情况进行调整。

如何优化？

1. 可以考虑使用更有代表性和准确性的指标来衡量股票的投资价值；
2. 可以适当调整筛选条件，将选股范围进一步缩小，确保所选个股更具投资价值；
3. 对筛选出的个股进行研究和跟踪，及时调整仓位和风险控制。

最终的选股逻辑

选股逻辑为MACD零轴以上、PE大于0，按个股热度从大到小排序。选股时间为每个交易日开盘前。

同花顺指标公式代码参考

MACD指标：

DIF:EMA(CLOSE,12)-EMA(CLOSE,26)
DEA:EMA(DIF,9)
MACD:(DIF-DEA)*2

PE指标：

PE:FIELD('pe_ttm',0)

热度指标（按日成交额降序排序）：

HS:FIELD('today_amount',0)
SORT_BY_DAYRANK_D(HS)

选股筛选公式：

MACD > 0 AND PE > 0

排序公式：

HS_RANK()  # 按日成交额降序排名

Python代码参考

以下为python的选股筛选代码、排序代码，仅供参考：

import akshare as ak
import datetime

# 获取股票列表并计算选股筛选条件
data = ak.stock_zh_a_daily(symbol="sh000001").reset_index()
condition1 = data['macd'] > 0
condition2 = data['pe_ttm'] > 0
stock_list = data[condition1 & condition2]

# 按照个股热度排序
stock_list['hs'] = ak.stock_zh_a_hist(symbol=stock_list['symbol'].tolist(), adjust="hfq", start_date=datetime.datetime.now().strftime("%Y%m%d"), end_date=datetime.datetime.now().strftime("%Y%m%d")).groupby('symbol').agg({'amount': 'sum'})
result_sorted = stock_list.sort_values(by=['hs'], ascending=False).head(5)

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)