问财量化选股策略逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元、涨跌幅乘以超大单净量大于 0 的股票。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑考虑了技术面和市场情绪两方面因素。MACD 的选取反映了技术面的情况，价格和涨跌幅乘以超大单净量的选取反映了市场情绪。同时，该策略只选取了价格比较低廉的股票，规避了一定风险。
有何风险？
- 过于依赖技术面和市场情绪因素，可能导致选股结果失误。
- 涨跌幅乘以超大单净量的考虑可能会过于短视，忽略了长期股票表现的因素。
如何优化？
- 在技术面因素的考虑中，可以增加其他指标的考虑，如 KDJ、RSI 等，以全面综合股票走势。
- 在市场情绪的考虑中，可以增加其他指标的考虑，如主力资金流向等，以全面综合分析市场情绪。
- 可以增加筛选条件，如市值大小、行业分布等，以增加股票的分散度和稳定性。
最终的选股逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元、涨跌幅乘以超大单净量大于 0 的股票。在筛选过程中，同时关注其他技术和市场情绪指标，以全面综合分析股票的走势和市场情绪。
同花顺指标公式代码参考
以下是 MACD 的同花顺指标公式：
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
以下是超大单净量的同花顺指标公式：
超大单净量:(BUY_LG_VOL-SELL_LG_VOL)*100/CLOSE;
python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import akshare as ak
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="15") # 获取股票 15 分钟数据
close_price = data_stock_price["close"].tolist()
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=12, slowperiod=26, signalperiod=9)
data_stock_volume = ak.stock_zh_a_hist_vol(symbol="sh601988") # 获取股票历史成交量
data_stock_quote = ak.stock_zh_a_daily(symbol="sh601988", adjust="hfq") # 获取股票日线行情数据
today_change_rate = data_stock_quote.iloc[-1]["pct_chg"]
large_order_volume = data_stock_volume.iloc[-1]["buy_lg_vol"] - data_stock_volume.iloc[-1]["sell_lg_vol"]
data_stock_info = ak.stock_info_a_code_name() # 获取股票列表数据
# 筛选条件：MACD 大于零，价格小于 12 元，涨跌幅乘以超大单净量大于 0
filtered = data_stock_info.loc[
(data_stock_info["type"] == "主板")
& (macd[-1] > 0)
& (data_stock_price['close'].iloc[-1] < 12)
& (today_change_rate * large_order_volume / close_price[-1] > 0)
]
result = filtered[["代码", "名称"]] # 最终选股结果
注意，由于数据在运行时需要更新，因此具体代码需要实际情况调整。
## 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。
