问财量化选股策略逻辑
选取MACD强势、价格低于12元、底部抬高的股票作为投资标的。该策略综合考虑了技术面指标和价格因素，底部抬高指标反映股票在走高的过程中，出现了多次相对低点抬高的态势，可以提高选股的精准度和减少投资风险。
选股逻辑分析
选股逻辑综合考虑了技术面指标和价格因素，MACD作为较为常用的技术面指标，可以筛选出较为强势的标的，价格低于12元可以减少风险。同时，底部抬高指标可以反映出股票在走高过程中不断创出新低，且多次底部抬高的趋势，这通常是一种市场趋势翻转之前的信号。
有何风险？
该选股策略仍然可能会忽略了一些其他重要因素，如行业因素、基本面等。同时，底部抬高指标也可能不一定能够完全反映出股票的实际走势，需要结合其他指标进行判断。
如何优化？
可以增加基本面因素、行业因素等进行综合判断，以更加全面地筛选出标的股票。同时可以考虑增加其他的技术面指标进行筛选，以提高精准度。
最终的选股逻辑
选取MACD强势、价格低于12元、底部抬高的股票作为投资标的。
同花顺指标公式代码参考
// 底部抬高指标
REF(MIN(LOW,21),1) > REF(MIN(LOW,63),1) AND REF(MIN(LOW,63),1) > REF(MIN(LOW,250),1) AND // 底部抬高
MACD(12,26,9) > 0 AND // MACD零轴以上
// 价格低于12元
CLOSE < 12;
// 以上代码表示底部抬高、MACD强势、价格低于12元的股票符合选股要求
Python代码参考
from datetime import datetime, timedelta
end_date = datetime.now().strftime("%Y-%m-%d")
start_date = (datetime.now() - timedelta(days=365)).strftime("%Y-%m-%d")
df = get_history_data(stock_code, start_date=start_date, end_date=end_date)
df['low_min21'] = df['low'].rolling(21).min()
df['low_min63'] = df['low'].rolling(63).min()
df['low_min250'] = df['low'].rolling(250).min()
df = df[(df['close'] < 12) & (df['MACD'] > 0) & (df['low_min21'] > df['low_min63']) & (df['low_min63'] > df['low_min250'])]
df = df.sort_values(by='hot', ascending=False)
print("Selected:", list(df['name']))
选股所需的MACD和价格可以参考上文公式中的设定，而底部抬高指标则需要对历史低点进行计算，并进行判断。使用Pandas进行数据筛选，按照个股热度从大到小排序，使用list输出选出的股票名称。
## 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。
