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、买一量大于卖一量的股票。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑选取了技术分析指标 MACD 和价格水平，同时也考虑了买卖盘情况。在买卖盘相等的情况下，选择买入股票，有望获得更好的回报。该选股逻辑偏向于技术面和市场交易深度分析，能够较好地反映实时市场情况。
有何风险？
- 过度追求买卖盘而忽略了其他技术指标，导致选股结果的准确度下降。
- 市场交易深度数据的延迟和不稳定性可能会对选股结果造成影响。
- 对于交易量较小的股票，买卖盘情况可能相对不稳定，选股结果不够可靠。
如何优化？
- 结合其他技术指标和基本面指标进行综合分析，以获得更全面、准确的选股结果。
- 使用稳定的、可信赖的市场交易深度数据，比如大型交易所提供的实时深度信息。
- 在买卖盘均衡的情况下，可以考虑其他因素，如所属行业、价值估值等指标。
最终的选股逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元、买一量大于卖一量的股票。在筛选过程中，同时关注其他技术指标和基本面因素，以综合分析股票的价值。
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;
以下是买卖量的同花顺指标公式：
B1:买一量；
S1:卖一量。
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
close_price = data_stock_price["close"].tolist()
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=12, slowperiod=26, signalperiod=9)
buy_volume = data_stock_price["B1"].tolist()
sell_volume = data_stock_price["S1"].tolist()
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
& (buy_volume[-1] > sell_volume[-1]) # 买一量大于卖一量
]
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。
