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，昨日成交额大于6千万。选股时间为每个交易日开盘前。
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，昨日成交额可以反映市场流动性。通过此选股逻辑，可以筛选出在市场趋势向上、有市场关注度、市场流动性充足的标的，并增加投资成功的概率。
有何风险？
- 过度依赖技术指标和规模条件，忽略基本面的分析，可能造成选股漏洞；
- 昨日成交额标准可能存在过时性，在市场流动性不充分时有可能造成合适标的缺乏。
如何优化？
- 加入基本面因素进行筛选，以选择具有优质资产和合理价值的标的；
- 根据不同行业或板块，制定不同的成交额标准进行选股，提高方法准确度；
- 按量价方面的稳定性和变化关系，对量价周期进行定量分析和预测，进而选股；
- 加入其它技术指标、板块题材等进行拓展，提高筛选的效率和精度。
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，昨日成交额大于6千万。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、相应行业、板块题材等进行筛选。选股时间为每个交易日开盘前。
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为当日收盘价，EMA为指数移动平均数。
成交额大于6千万的筛选条件：
C: VOL > 60000000;
其中VOL为成交量，单位为手。
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['vol'] > 60000000)]
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。
