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，并且近500个交易日内至少有2次涨停。选股时间为每周末收盘后进行。
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，近期涨停情况可以反映市场交易情况。综合考虑这些因素可以找到市场上具有较好投资机会的股票，进而优化投资策略，提高投资成功率。
有何风险？
- 过度关注技术指标，忽略基本面和业绩变化，可能导致投资失败；
- 对于近期涨停情况的分析存在偏差和误判的风险；
- 个股热度过高可能存在市场炒作和泡沫等风险，需要谨慎选择；
- 选股后没有对个股进行基本面分析，存在市场风险。
如何优化？
- 根据经济和行业的情况，根据市场结构性变化，设置更为合理、全面的筛选条件；
- 提高选股精度，比如加入其他技术指标或者参数；
- 加入个股基本面分析，减少对技术面的过度依赖；
- 通过反复实验、优化和评估，不断完善和调整选股策略。
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，并且近500个交易日内至少有2次涨停。选股时间为每周末收盘后进行。
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;
其中CLOSE为当日收盘价，EMA为指数移动平均数。
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 talib as ta
# 获取股票数据并计算筛选结果
data_stock = ak.stock_zh_a_daily_em()
data_stock_hot = ak.stock_zh_a_board_spot_top(indicator="热度")
result_list = []
for ts_code in data_stock_hot['ts_code']:
temp = data_stock[data_stock['ts_code']==ts_code]
if ((temp['pct_chg'] >= 9.5).sum() >= 2) and (temp['macd'].iloc[-1] > 0):
result_list.append(ts_code)
result_filtered = data_stock[data_stock['ts_code'].isin(result_list)]
result_sorted = result_filtered.sort_values(by=['hot'], 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。
