问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质符合一定要求、买一量大于卖一量的股票作为投资标的。该策略主要从技术面和基本面两方面入手，选择MACD值表现出较好的股票，并具有买盘强势、市场预期向好的企业。
选股逻辑分析
该选股策略结合了技术面和基本面两个重要因素，强调了对MACD值和盘口交易量的重视，能够更准确地筛选出表现良好、前景较好的股票。
有何风险？
该选股策略可能存在一些风险，因为它主要是基于MACD的判断来选择股票，而MACD作为一种技术指标，存在出现拐点、谷底等短期波动的风险。同时，买一量大于卖一量只是短期现象，并不能说明其后市表现一定良好。
如何优化？
在选股策略上加入其他更全面的财务指标以及行业状况等因素，来更全面地考虑股票的价值。同时，需要在盘口交易量中进行深入研究，避免因短期现象导致选择的股票表现不佳。
最终的选股逻辑
选取MACD值在零轴以上、企业性质符合一定要求、买一量大于卖一量的股票。
同花顺指标公式代码参考
(MACD(12,26,9) > 0) AND (SType != 'B') AND (SType != 'H') AND (SType != 'K') AND (SType != 'N') AND (B1_V > S1_V);
Python代码参考
import jqdatasdk as jq
from datetime import datetime, timedelta
from talib import abstract
jq.auth('账户名', '密码')
today = datetime.now().date()
start_date = (today - timedelta(days=10)).strftime("%Y-%m-%d")
q = jq.query(jq.finance.STK_CAPITAL_CHANGE).filter(jq.finance.STK_CAPITAL_CHANGE.M1 >= jq.finance.STK_CAPITAL_CHANGE.M2 >= jq.finance.STK_CAPITAL_CHANGE.M3)
df_change = jq.finance.run_query(q)
df_change = df_change[df_change['volume']>4000000][~df_change.index.isin(['000998.XSHE'])]
for stock_code in df_change.index.tolist():
stock_name = jq.get_security_info(stock_code).display_name
SType = jq.get_security_info(stock_code).start_date[:2]
q2 = jq.query(jq.finance.STK_HOLDERS_TOP10).filter(jq.finance.STK_HOLDERS_TOP10.code == stock_code)
top10 = jq.finance.run_query(q2)
if (SType!='B') & (SType!='H') & (SType!='K') & (SType!='N') and top10.iloc[0]['b1_v'] > top10.iloc[0]['s1_v']:
df = jq.get_price(stock_code,start_date=start_date, end_date=today, frequency='15m', fields=['high','low','close'])
macd, signal, hist = abstract.MACD(df, timeperiod=12, fastperiod=26, slowperiod=9)
if macd[-2] < signal[-2] and macd[-1] > signal[-1]:
print("(" + stock_code + ")" + stock_name + " 符合条件")
## 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。
