问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质符合一定要求、当前股价为两个交易日内的高点的股票。该策略主要从技术面和企业性质两方面入手，同时强调选取最近表现较好、股价处于高位的股票。
选股逻辑分析
该选股策略同样结合了技术面和企业性质两个重要因素，强调了对股票近期表现和当前股价高点的重视。这样可以尽量避免买入股价过高、市场风险增加的股票，更加精准地挑选表现稳定、前景较好的股票。
有何风险？
该选股策略主要依赖技术面和股票历史行情数据，忽略了股票所属行业和基本面等重要因素。同时，没有考虑股票的流动性等问题，可能存在操作风险。
如何优化？
可以考虑在选股策略上加入股票所属行业和基本面因素的影响，如流动性、财务状况、盈利能力等，来更全面地考虑股票的价值。同时，在股票的买入和卖出操作中，应该更加注重操作方法和风险控制，避免因为追涨杀跌等操作错误导致损失。
最终的选股逻辑
选取MACD值在零轴以上、企业性质符合一定要求、当前股价为两个交易日内的高点的股票。
同花顺指标公式代码参考
(MACD(12,26,9) > 0) AND (SType != 'B') AND (SType != 'H') AND (SType != 'K') AND (SType != 'N') AND (C=HHV(C,2));
Python代码参考
import jqdatasdk as jq
from datetime import datetime, timedelta
from talib import abstract
jq.auth('账户名', '密码')
today = datetime.now().date()
start_date = (today - timedelta(days=10)).strftime("%Y-%m-%d")
q = jq.query(jq.finance.STK_CAPITAL_CHANGE).filter(jq.finance.STK_CAPITAL_CHANGE.M1 >= jq.finance.STK_CAPITAL_CHANGE.M2 >= jq.finance.STK_CAPITAL_CHANGE.M3)
df_change = jq.finance.run_query(q)
df_change = df_change[df_change['volume']>4000000][~df_change.index.isin(['000998.XSHE'])]
for stock_code in df_change.index.tolist():
stock_name = jq.get_security_info(stock_code).display_name
SType = jq.get_security_info(stock_code).start_date[:2]
if (SType!='B') & (SType!='H') & (SType!='K') & (SType!='N'):
q2 = jq.query(jq.finance.STK_INDUSTRY_INFO).filter(jq.finance.STK_INDUSTRY_INFO.code==stock_code)
industry = [x['name'] for x in jq.finance.run_query(q2)][0]
df = jq.get_price(stock_code, start_date=start_date, end_date=today, frequency='15m', fields=['high','low','close'])
macd = abstract.MACD(df)
if (macd[2][-1]>macd[2][-2]) & (df['close'][-1]==max(df['close'][-2:])):
print("(" + stock_code + ")" + stock_name + " 符合条件")
## 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。
