问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质符合一定要求、主升起动的股票。该策略主要从技术面和基本面两方面入手，寻找MACD值呈现金叉或多头排列的股票，同时考虑企业性质是否符合一定标准，确认企业质量和业绩情况。在此基础上，通过主升起动的判断，进一步筛选出价值较高、股价具有上涨潜力的股票。
选股逻辑分析
该选股策略结合技术面和基本面，以MACD值和主升起动指标作为技术面的参考，在保证企业性质的前提下，优先选取MACD值呈现金叉或多头排列的股票，然后再判断主升起动指标，选择具有上涨潜力的股票。
有何风险？
该选股策略依然与市场等外部环境有很大的关联性，在股票的选择方面，依然存在一定的不确定性和风险。同时，主升起动指标的使用存在一定的主观性，需要考虑到过于依赖该指标的风险。
如何优化？
可以在选股策略上再加入其他关键技术指标以及更全面的基本面因素，来对股票进行优选。同时，在所选择的指标上，需要更全面且合理地使用，既不能过于依赖任何一个指标，也不能过度排除某些指标。
最终的选股逻辑
选取MACD值在零轴以上、企业性质符合一定要求、主升起动的股票。
同花顺指标公式代码参考
(MACD(12,26,9)>0) AND (SType!='B') AND (SType!='H') AND (M1 >= M2 AND M2 >= M3);
Python代码参考
import jqdatasdk as jq
from datetime import datetime, timedelta
from talib import abstract
jq.auth('账户名', '密码')
today = datetime.now().date()
start_date = (today - timedelta(days=30)).strftime("%Y-%m-%d")
q = jq.query(jq.finance.STK_CAPITAL_CHANGE).filter(jq.finance.STK_CAPITAL_CHANGE.M1 >= jq.finance.STK_CAPITAL_CHANGE.M2 >= jq.finance.STK_CAPITAL_CHANGE.M3)
df_change = jq.finance.run_query(q)
df_change = df_change[df_change['volume']>7000000]
for stock_code in df_change.index.tolist():
stock_name = jq.get_security_info(stock_code).display_name
SType = jq.get_security_info(stock_code).start_date[:2]
q2 = jq.query(jq.finance.STK_INDUSTRY_INFO).filter(jq.finance.STK_INDUSTRY_INFO.code==stock_code)
industry = [x['name'] for x in jq.finance.run_query(q2)][0]
df = jq.get_price(stock_code, start_date=start_date, end_date=today, frequency='daily', fields=['high','low','close'])
macd = abstract.MACD(df)
if (macd[0] > 0) & (SType!='B') & (SType!='H'):
print("(" + stock_code + ")" + stock_name + " 符合条件")
在Python代码中，先调用聚宽接口，获取主升起动的股票信息，筛选出符合条件的股票。然后对每一个股票，调用聚宽接口获取企业性质情况、所属行业、股票历史行情数据，利用talib计算MACD指标，并结合主升起动指标，判断是否符合选股条件，最后将符合条件的股票输出。
## 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。
