问财量化选股策略逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，非科创股。
选股逻辑分析
该选股逻辑结合了技术分析和市场情况分析。MACD指标和均线指标可帮助我们分析股票价格趋势；非科创股则可以过滤掉科技类个股的影响，提高其它行业领域选股的准确性。
有何风险？
- 忽略了科技类个股的表现，可能选出未来表现不佳的非科技个股；
- 过度依赖技术指标，可能忽略了基本面和市场情况等其他重要因素；
- 行业分布不均衡，可能导致选股结果难以优化。
如何优化？
- 加入更多基本面因素分析，提高选股的准确性和稳定性；
- 建立全面、科学的选股指标体系；
- 增加非科技类股票数量，减少各行业股票在选股中的分布差异。
最终的选股逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，非科创优质股票。同时，加入适当的基本面因素作为判断股票走势的参考，确保选出的股票具有较高的收益和稳定性。
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
均线指标：
MA5:MA(CLOSE,5)
MA10:MA(CLOSE,10)
非科技类股票：
INDUSTRY!=""软件";"通信设备";"电子";"计算机应用";"医疗保健";"电子元件";"半导体""
python代码参考
以下为python的股票筛选代码，仅供参考：
import akshare as ak
import pandas as pd
# 获取股票基本面数据
stock_info = ak.stock_board_industry_name_ths()
# 筛选非科技类股票
condition1 = ~stock_info['最新板块'].str.contains('软件|通信设备|电子|计算机应用|医疗保健|电子元件|半导体')
# 获取股票历史行情数据
df = ak.stock_zh_a_hist_sina("sh000001")
# 计算MACD指标
ema12 = df['close'].ewm(span=12).mean()
ema26 = df['close'].ewm(span=26).mean()
DIF = ema12 - ema26
DEA = DIF.ewm(span=9).mean()
MACD = (DIF - DEA) * 2
# 计算均线指标
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
# 筛选MACD零轴以上
condition2 = MACD > 0
# 筛选今日均线向上发散
condition3 = (ma5 > ma10) & (ma5.shift(1) < ma10.shift(1))
# 结合所有条件
all_conditions = condition1 & condition2 & condition3
# 输出选股结果
stock_list = df[all_conditions]['code']
## 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。
