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，昨日9:15匹配价跌停。选股时间为每个交易日收盘后。
选股逻辑分析
MACD指标可以反映短期市场趋势，个股热度可以反映市场关注度，昨日9:15匹配价跌停则可以反映一定的市场风险和不确定性。通过此选股逻辑，可以筛选出一些相对稳定、有市场关注度的标的，并在一定程度上规避风险。
有何风险？
- 过度依赖技术指标，忽略了市场的基本面及其他因素的影响；
- 可能忽略了一些具有潜力但暂时被市场忽视的股票；
- 样本量较少，可能存在统计学偏差；
- 仅考虑昨日9:15匹配价跌停可能忽略其他与股票价格下跌相关的因素（如当天市场走势等）。
如何优化？
- 加入更多的技术指标，例如KDJ、RSI等，提高筛选精度和多样性；
- 在考虑昨日9:15匹配价跌停时，进行一些规则的限制，例如可以筛选出匹配价跌停且收盘价位于MA5上方的个股，从而提高精度和筛选效果；
- 结合基本面分析，选择具有实质性价值的标的；
- 加入其他因素的影响，例如龙头、板块题材等；
- 考虑完善选股逻辑，例如加入市盈率、市净率等指标，从长期角度更全面地寻找符合投资逻辑的标的。
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，选取昨日9:15匹配价跌停的个股。在此基础上可以根据具体情况适当加入其它筛选条件。同时可以根据预测市场走势、相应板块的板块题材等进行筛选。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;
其中CLOSE为收盘价，EMA为指数平均数。
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
import talib as ta
# 获取股票数据并计算筛选结果
data_stock = ak.stock_zh_a_daily_tx(symbol="", trade_date="")
data_stock_m = data_stock.copy()
data_stock_m['DIF'] = ta.EMA(data_stock_m['close'], timeperiod=12) - ta.EMA(data_stock_m['close'], timeperiod=26)
data_stock_m['DEA'] = ta.EMA(data_stock_m['DIF'], timeperiod=9)
data_stock_m['MACD'] = (data_stock_m['DIF'] - data_stock_m['DEA']) * 2
data_stock_filtered = data_stock_m[(data_stock_m['MACD'] > 0) & (data_stock_m['hot'] > 0) & (data_stock_m['pre_close'] == data_stock_m['low_limit'])]
result_sorted = data_stock_filtered.sort_values(by='hot', ascending=False)
## 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。
