(supermind策略)task16/a/macd零轴以上、今日均线向上发散、（昨日换手

问财量化选股策略逻辑

选股逻辑为MACD零轴以上，今日均线向上发散，（昨日换手率 *（今日竞价成交量/昨日成交量））>0.5<2。

选股逻辑分析

该选股逻辑包含以下条件：

1. MACD零轴以上：表示现在的股票当前处于上涨状态；
2. 今日均线向上发散：表示当前股票的趋势向上；
3. （昨日换手率 *（今日竞价成交量/昨日成交量））>0.5<2：表示选出的股票流动性较好，且有上涨潜力。

有何风险？

1. 当前股票市场变化快速，昨日的走势不一定能够代表今天和未来的发展；
2. 终止竞价时间点不一定，可能会出现计算错误的情况；
3. 这只考虑了短期的数据，不一定能够正确的反应股票的长期趋势。

如何优化？

1. 加入基本面指标的分析，如财务指标和业绩数据等，提高选股的可靠性；
2. 可以通过机器学习和深度学习，提高选股逻辑的可靠性；
3. 可以对成交量的变化进行更深入的研究，得到更准确的信息。

最终的选股逻辑

选股逻辑为：MACD零轴以上，今日均线向上发散，（昨日换手率 *（今日竞价成交量/昨日成交量））>0.5<2，并加入其他技术指标和基本面指标的分析。

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

均线指标：

MA5:MA(CLOSE,5)
MA10:MA(CLOSE,10)

python代码参考

以下为python的选股筛选代码，仅供参考：

import akshare as ak

# 获取符合条件的股票列表
query_str = "week_ma5>week_ma10"
result = ak.stock_zh_a_hist_sina(symbol="", adjust="qfq", query=query_str)

# 计算成交量数据
yesterday_vol = result.groupby('symbol')['day_volume'].shift(1)
turnover_rate = result['day_turnover'] / yesterday_vol
price_change = result.groupby('symbol')['day_close'].pct_change()

# 计算选股条件
conditions = (price_change > 0) & (MACD > 0) & (result['day_ma5'] > result['week_ma5']) & (turnover_rate > 0.5) & (turnover_rate < 2)
result = result[conditions]

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)