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，振幅大于1。选股时间为每个交易日收盘后。
选股逻辑分析
MACD是一种趋势追踪指标，红柱代表上涨趋势，当MACD在零轴以上时，说明当前股票处于强势状态，有较大的上涨空间。按照个股热度排序可以筛选出市场关注度较高的标的，振幅大于1可以筛选出股价波动较大的标的。
综合以上选股条件，可以选出趋势较强、市场关注度高、股价波动较大的股票，具有较高的投资价值。
有何风险？
- 过于依赖技术指标和市场走势，忽略了公司基本面和市场变化等因素可能带来的风险；
- 高热度标的存在炒作风险，投资者需注意风险控制；
- 振幅大的标的可能存在较大的波动性，对投资者的心理素质和资金实力提出了要求。
如何优化？
- 引入其他技术指标和基本面数据来拓宽选股预判条件，提高精准度和投资成功率；
- 在按个股热度排序的基础上，引入其他排序因素加以综合考虑，例如资金流向、市值等，提高筛选出高质量标的的概率；
- 根据个人投资风险偏好，适当修改振幅的筛选条件，以达到合理的风险控制。
最终的选股逻辑
选股逻辑为MACD零轴以上，同时按个股热度从大到小排序，振幅大于1。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;
振幅指标：
AMPLITUDE: (HIGH - LOW) / REF(CLOSE, 1) * 100;
选股筛选公式：
MACD > 0 AND AMPLITUDE > 1;
排序公式：
默认按照个股热度排序，这里不做展示。
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
# 获取股票列表并计算选股筛选条件
data = ak.stock_zh_a_daily_tx(symbol="", trade_date="")
condition = (data['macd'] > 0) & (data['amplitude'] > 1)
result = data[condition].sort_values(by=['name'], ascending=False)
# 按热度排序并取前5个标的
result_sorted = result.sort_values(by=['hot'], ascending=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。
