问财量化选股策略逻辑
选择MACD强势、价格低于12元、今日最低价小于昨日最低价的股票作为投资标的。该策略主要关注技术面指标和价格水平，可以从股票走势中发现低价股和强势股的交叉点，以便寻找新的投资机会。
选股逻辑分析
选股逻辑主要关注技术面指标和价格水平。其中，MACD强势、价格低于12元可以减少风险，今日最低价小于昨日最低价反映了短期内股票价格的反弹，可以捕捉到股票价格上涨的时机。该策略可以择时操作，做到低买高卖。
有何风险？
该选股策略忽略了公司基本面的因素，有可能选出盈利较差或产业前景不明朗的企业。同时，该策略并不保证所选股票的长期收益或低估值，需要衡量投资风险并结合其他因素进行有效的风险管理。
如何优化？
可以综合考虑公司基本面因素如经营质量、盈利能力等因素，以及收益等其他因素进行筛选，提高选股水平。另外，可结合其他技术面指标如KDJ等指标，同时做出灵活的实时调整，防范相关投资风险。
最终的选股逻辑
选择MACD强势、价格低于12元、今日最低价小于昨日最低价的股票作为投资标的。
同花顺指标公式代码参考
// MACD强势、价格低于12元、今日最低价小于昨日最低价
MACD(12,26,9) > 0 AND CLOSE < 12 AND LOW < REF(LOW, 1);
// 以上代码表示MACD强势、价格低于12元、今日最低价小于昨日最低价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=1)).strftime("%Y-%m-%d")
df = get_history_data(stock_code, start_date=start_date, end_date=end_date, ktype='D')
df['DIFF'], df['DEA'], df['MACD'] = ta.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df = df[df['close'] < 12]
if df['low'][0] < df['low'][1]:
selected_df = df.sort_values(by='hot', ascending=False)
print("Selected:", list(selected_df['name']))
在Python代码中，选出的标的股票按个股热度从大到小排序，并使用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。
