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，大单净量排行，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，大单净量表明机构资金的买入卖出情况，因此综合考虑三个因素可以提高选股的准确性。但是需要注意的是，大单净量排行存在市场波动等多种因素的影响，需要综合考虑其他因素，以确保选股成功率的提高。
有何风险？
- 选股方式过于简单，忽略了其他的重要因素。
- 大单净量排行可能存在市场波动等多种影响，选股结果的稳定性可能存在一定的风险。
- 对于个股热度的排序可能出现选股数据不准确的风险。
如何优化？
- 进一步分析大单净量排行，结合市场情况等进行综合分析。
- 对于个股热度排序，可以结合市场情况等因素，综合考虑选股结果的稳定性。
- 建立更加严谨的选股规则，减少选择标准过多或过少等因素对选股结果的影响。
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，大单净量排行，选股时间为每日收盘后进行，同时结合其他分析方法，对公司基本面进行综合分析。
同花顺指标公式代码参考
选股所需通达信指标公式如下：
MACD: (EMA(CLOSE, 12) - EMA(CLOSE, 26));
PRICE: CLOSE;
其中CLOSE为当日收盘价，EMA为指数移动平均数，MACD为MACD线，PRICE为当日收盘价。
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")
macd = pd.Series(data_stock_price['close']).ewm(12).mean() - pd.Series(data_stock_price['close']).ewm(26).mean()
result_filtered = data_stock_price[(macd > 0)]
result_sorted = result_filtered.sort_values(by='turnover_rate', ascending=False)
result_top = result_sorted.iloc[:100]
result_volume = result_top.sort_values(by='net_amount_main', ascending=False)
## 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。
