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，同时选择周K线上穿30周线的标的。选股时间为每个交易日收盘后。
选股逻辑分析
MACD指标可以反映短期市场趋势，而个股的热度实际上反映的是市场对某个标的的关注程度。选择周K线上穿30周线的标的，可以判断标的处于中长期的上涨趋势之中，提高选股成功率。
有何风险？
- 忽略了公司基本面等因素的影响，选择的标的存在一定程度的风险；
- 选股方法简单，可能出现选股集中导致结果过于集中；
- 忽略了市场的整体走势及宏观经济等因素，不能代表真实的市场状况；
- 此选股策略相较于前一个，时间跨度更长，可能导致选出的股票实际已经经过上涨过程。
如何优化？
- 引入更多的基本面和技术面指标进行筛选，提高选股的多样性和全面性；
- 对选股的标准进行灵活调整，尝试找到更为合理的选股条件；
- 在选股逻辑中引入宏观经济指标的监测，根据整体行情进一步筛选标的。
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，同时选择周K线上穿30周线的标的。选股时间为每个交易日收盘后。
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;
KDJ指标：
RSV: (CLOSE - LLV(LOW, 30)) / (HHV(HIGH, 30) - LLV(LOW, 30)) * 100;
K: SMA(RSV, 3, 1);
D: SMA(K, 3, 1);
J: 3 * K - 2 * D;
其中CLOSE为收盘价，LLV为最低价最小值，HHV为最高价最大值。
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_w = ak.stock_zh_a_weekly(symbol="")
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_w['30周线'] = ta.SMA(data_stock_w['close'], timeperiod=30)
data_stock_w['周K上穿'] = (data_stock_w['close'] > data_stock_w['30周线']) & (data_stock_w['close'].shift(1) <= data_stock_w['30周线'].shift(1))
data_stock_m['涨幅'] = (data_stock_m['close'] - data_stock_m['last_close']) / data_stock_m['last_close'] * 100
condition = (data_stock_m['MACD'] > 0) & data_stock_w['周K上穿']
data_stock_filtered = data_stock_m[condition]
result_sorted = data_stock_filtered.sort_values(by=['hot'], ascending=False).head(5)
## 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。
