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，同时选择涨跌幅与超大单净量的乘积最大的股票。选股时间为每个交易日收盘后。
选股逻辑分析
MACD指标可以反映短期市场趋势，而个股的热度实际上反映的是市场对某个标的的关注程度。选择涨跌幅与超大单净量的乘积最大的标的，相当于选择了具有较大上涨潜力且受到超大单资金的关注的标的。同时，通过选择MACD零轴以上的标的以及按个股热度排序，可以提高选中优质标的的概率。
有何风险？
- 忽略了公司基本面等因素的影响，选择的标的存在一定程度的风险；
- 涨跌幅与超大单净量的乘积只是短期资金的关注度，不能代表标的真实价值；
- 涨跌幅与超大单净量的乘积最大并不代表选中的标的涨幅最高，可能存在较高的选股误差。
如何优化？
- 引入更多的基本面和技术面指标进行筛选，提高选股的多样性和全面性；
- 在选择资金流向时，应引入多维度的资金流量指标，以最大程度地挖掘受资金关注的标的；
- 对选股的标准进行灵活调整，包括但不限于归纳选股模型；
- 经过初步筛选后，进一步对标的的公司业务、财务状况等指标进行深入研究，提高投资决策的准确性。
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，同时选择涨跌幅与超大单净量的乘积最大的股票。选股时间为每个交易日收盘后。
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;
超大单净量：
VBD: SUM(IF(V > 0, V, 0), N);
其中V为成交量，N为统计天数。
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 talib as ta
# 获取股票数据并计算筛选结果
data_stock = ak.stock_zh_a_daily_tx(symbol="", trade_date="")
data_stock_m = data_stock.copy()
data_stock_m['DIF'] = ta.EMA(data_stock_m['close'], timeperiod=12) - ta.EMA(data_stock_m['close'], timeperiod=26)
data_stock_m['DEA'] = ta.EMA(data_stock_m['DIF'], timeperiod=9)
data_stock_m['VBD'] = ta.SUM(ta.IF(data_stock_m['volume'] > 0, data_stock_m['volume'], 0), timeperiod=N)
condition = (data_stock_m['DEA'] > 0) & (data_stock_m['SECTOR'] == "主板")
data_stock_filtered = data_stock_m[condition]
data_stock_filtered['selection'] = (data_stock_filtered['close'] / data_stock_filtered['close'].shift(1) - 1) * 100 * data_stock_filtered['VBD']
result_sorted = data_stock_filtered.sort_values(by=['hot', 'selection'], ascending=[False, 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。
