问财量化选股策略逻辑
选股逻辑为MACD零轴以上，按个股热度从大到小排序名，收盘价位于BOLL指标的upper和mid之间的股票。BOLL指标由三条轨道线组成，分别是中轨（mid）、上轨（upper）、下轨（lower）。选股时间为每日收盘后进行。
选股逻辑分析
MACD指标可以反映市场趋势，个股热度可以反映市场关注度，BOLL指标可以反映股票价格的波动情况，同时upper和mid之间的收盘价也说明了股票的股价较为稳定。综合这些因素可以找到既有市场关注度和趋势，又具有较好的价格表现的股票。
有何风险？
- BOLL指标并不能预测股票价格的具体方向，只能对价格的波动范围进行预测，因此对于极端的价格波动还是有一定的风险；
- MACD指标在特殊情况下，如市场异常波动或市场失衡时，可能出现误导情况，因此不能过分依赖。
如何优化？
- 加入其他指标，如RSI、KDJ等，进行筛选和验证，增强选股的准确性；
- 鉴别BOLL指标的使用时机，如何权衡价格变动幅度和稳定性；
- 建立模型，对不同市场、不同个股的适应性进行测试和提高。
最终的选股逻辑
选股逻辑为MACD零轴以上，按个股热度从大到小排序名，收盘价位于BOLL指标的upper和mid之间的股票。BOLL指标由三条轨道线组成，分别是中轨（mid）、上轨（upper）、下轨（lower）。选股时间为每日收盘后进行。
同花顺指标公式代码参考
选股所需通达信指标公式如下：
MA20: MA(CLOSE, 20);
BOLL_UP: MA(CLOSE, 20) + 2 * STD(CLOSE, 20);
BOLL_MID: MA(CLOSE, 20);
MACD: (EMA(CLOSE, 12) - EMA(CLOSE, 26));
MACD_SIGNAL: EMA(MACD, 9);
其中CLOSE为当日收盘价，EMA为指数移动平均数，MA为简单移动平均数。STD为标准差计算函数。
Python代码参考
以下为python的选股筛选代码，仅供参考：
import akshare as ak
import pandas as pd
data_stock_price = ak.stock_zh_a_daily(symbol="sh601669")
turnover_data = ak.stock_zh_a_tick_tx_js_fenshi(symbol="sh601669")
boll_mid = pd.Series(data_stock_price['close']).rolling(window=20).mean()
std_dev = pd.Series(data_stock_price['close']).rolling(window=20).std()
boll_upper = boll_mid + 2 * std_dev
result_filtered = data_stock_price[(boll_upper > result_filtered['close']) & (result_filtered['close'] > boll_mid)]
result_filtered['MA20'] = pd.Series(result_filtered['close']).rolling(window=20).mean()
result_filtered = result_filtered.dropna()
ma20 = result_filtered['MA20']
result_list = []
for i in range(len(result_filtered)):
if (result_filtered['MACD'].iloc[i] > 0) and (ma20.iloc[-1] > ma20.iloc[-2]):
result_list.append(result_filtered['ts_code'].iloc[i])
result_sorted = result_filtered[result_filtered['ts_code'].isin(result_list)].sort_values(by=['close'], ascending=True)
## 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。
