问财量化选股策略逻辑
选取MACD强势、价格低于12元、近25个交易日有单日涨幅大于等于10%的股票作为投资标的。该策略综合考虑了技术面指标、价格因素和近期涨幅，可以减少投资风险，同时可以提高选股的精准度。
选股逻辑分析
选股逻辑综合考虑了技术面指标、价格因素和近期涨幅，MACD作为较为常用的技术面指标，可以筛选出较为强势的标的，价格低于12元可以减少风险。近25个交易日有单日涨幅大于等于10%可以反映出较为活跃的市场情况，有望提高选股的精准度。
有何风险？
该选股策略仍然可能会忽略了一些其他重要因素，如行业因素、基本面等。同时，在近期涨幅作为一个比较重要的指标时，如果市场整体风险较高，则需要进一步谨慎考虑。
如何优化？
可以增加基本面因素、行业因素等进行综合判断，以更加全面地筛选出标的股票。同时可以考虑增加其他的技术面指标和市场情绪指标进行筛选，以提高精准度。在选股时引入风险控制策略，以减少风险。
最终的选股逻辑
选取MACD强势、价格低于12元、近25个交易日有单日涨幅大于等于10%的股票作为投资标的。
同花顺指标公式代码参考
// 单日涨幅指标
RATE := (CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1) * 100;
RATETRUE := MAX(RATE, 0) >= 10;
COUNTTRUE := COUNT(RATETRUE, 25) > 0;
// MACD强势、价格低于12元
MACD(12,26,9) > 0 AND CLOSE < 12 AND COUNTTRUE;
// 以上代码表示MACD强势、价格低于12元、近25个交易日有单日涨幅大于等于10%的股票符合选股要求
Python代码参考
from datetime import datetime, timedelta
end_date = datetime.now().strftime("%Y-%m-%d")
start_date = (datetime.now() - timedelta(days=365)).strftime("%Y-%m-%d")
df = get_history_data(stock_code, start_date=start_date, end_date=end_date, ktype='D')
df['DIFF'], df['DEA'], df['MACD'] = ta.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df['MAX_RATE'] = df['close'].pct_change() * 100
df['MAX_RATE'][0] = 0
df['MAX_RATE_TRUE'] = df['MAX_RATE'] >= 10
df['COUNT_TRUE'] = df['MAX_RATE_TRUE'].rolling(25).sum() > 0
df = df[(df['close'] < 12) & (df['MACD'] > 0) & (df['COUNT_TRUE'])]
df = df.sort_values(by='hot', ascending=False)
print("Selected:", list(df['name']))
选股所需的MACD和价格可以参考上文公式中的设定，而近25个交易日有单日涨幅大于等于10%需要先计算出涨幅指标RATE，再根据条件进行选择。使用Pandas进行数据筛选，按照个股热度从大到小排序，使用list输出选出的股票名称。
## 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。
