问财量化选股策略逻辑
选股逻辑为MACD零轴以上，同时按个股热度从大到小排序，然后选择2021年营收/2018年营收大于1.1的标的。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。同时，通过选择2021年营收/2018年营收大于1.1的标的，可以筛选出增长较快的标的。这一指标通常被认为是公司成长性的重要指标之一，可以反映股票的基本面情况。根据客观的市场数据选择相对来说更加活跃、流动性更好且成长性更好的标的。
有何风险？
- 过度依赖技术指标和市场走势，忽略了资产质量等因素，可能带来风险；
- 恰当的财务指标和随时间变化的财务情况可能会导致筛选出来的标的存在一些噪声。
如何优化？
- 引入更多指标和市场情绪指标，如KDJ、RSI、郑商所仓单变化等来筛选股票，提高筛选准确率和严谨性；
- 考虑选择更可靠和稳定的财务指标，如净利润增长、EPS增长等等，以更好地反映公司财务状况。
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，选择2021年营收/2018年营收大于1.1的标的。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;
选股筛选公式：
ROE > 1.1
排序公式：
按照个股热度从大到小排序。
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
# 获取财务数据并计算筛选条件
data = ak.stock_financial_report_sina(symbol="", year="2021")
condition = data['营业收入']/data['营业收入'][data['报表日期'] == '20181231'].values[0] > 1.1
data_filtered = data[condition]
# 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_filtered = data_stock[data_stock['symbol'].isin(data_filtered['股票代码'].unique())]
# 计算macd值并排序
data_stock_filtered_m = data_stock_filtered.copy()
data_stock_filtered_m['DIF'] = ta.EMA(data_stock_filtered_m['close'], timeperiod=12) - ta.EMA(data_stock_filtered_m['close'], timeperiod=26)
data_stock_filtered_m['DEA'] = ta.EMA(data_stock_filtered_m['DIF'], timeperiod=9)
data_stock_filtered_m['macd'] = 2 * (data_stock_filtered_m['DIF'] - data_stock_filtered_m['DEA'])
result_sorted = data_stock_filtered_m.sort_values(by=['hot', 'macd'], 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。
