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，并筛选开盘价在十日线左右的股票。选股时间为每日开盘后进行。
选股逻辑分析
此选股逻辑在 MACD 和个股热度基础上引入了十日均线的因素，十日均线被视为近期股价的重要趋势反映指标之一，其反映了股价近期平均价格水平。将其与 MACD 和个股热度相结合，并加入开盘价的筛选，可以从多个角度筛选出质量更好的股票，增加选股成功率。
有何风险？
- 选股逻辑忽略了公司的质地和估值等因素，可能风险较高。
- 十日均线可能被单一股票的较小波动所干扰，导致筛选结果不够稳定。
- MACD 作为技术分析指标的一个衍生值，并不是绝对可靠的选股指标之一，需要结合其他技术指标一起来使用，来辅助决策。
如何优化？
- 加入更全面、科学、合理的选股指标和方法，以提高选股成功率。
- 根据股票的不同特点，适当调整收益率、成交量等条件。
- 进一步细化选股逻辑，将其他技术指标去除噪音，提高筛选结果的稳定性。
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名，并筛选出开盘价在十日均线左右的股票。应用以上逻辑进行股票选股。
同花顺指标公式代码参考
以下是通达信的 MACD 指标公式：
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
S1:DIF>=DEA;
S2:DIF<=DEA;
HISTOGRAM:S1,HISTBAR;
HISTOGRAM:S2,HISTBARRED;
通达信指标公式并没有涵盖十日均线指标，需要自行添加。
Python代码参考
以下是 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_minute(symbol="sh601988", periodicity='1') # 获取股票数据，注意需要分钟数据
macd = pd.Series(data_stock_price['close']).ewm(12).mean() - pd.Series(data_stock_price['close']).ewm(26).mean()
ten_day_ma = pd.Series(data_stock_price['close']).rolling(window=10).mean()
result_filtered = data_stock_price[(macd > 0) & (data_stock_price['open'] >= ten_day_ma * 0.95) & (data_stock_price['open'] <= ten_day_ma * 1.05)] # 筛选开盘价在十日均线左右的股票
result_sorted = result_filtered.sort_values(by='turnover_rate', ascending=False)
result_top = result_sorted.sort_values(by='热度', ascending=False).iloc[:100] # 选取前100条数据作为筛选结果
## 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。
