问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质、涨跌幅乘以超大单净量较大的股票作为投资标的。该策略主要从技术面和市场表现两方面入手，选择MACD表现出较好的股票，并且具有较大的涨跌幅与较大的超大单净量。
选股逻辑分析
该选股策略同样是从技术面和市场表现两个角度出发，从技术面选择MACD值较好的股票，同时选择涨跌幅乘以超大单净量较大的股票。这两个条件都是通过历史市场数据得出的。
有何风险？
同样地，该选股策略可能存在一些风险，因为它主要是基于技术面和市场表现的判断来选择股票，而这两者都有可能出现临时波动，从而导致选择的股票的表现不理想。
如何优化？
同样地，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，需要在技术面和市场表现上进行深入研究，避免因短期波动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、涨跌幅乘以超大单净量较大的股票。
同花顺指标公式代码参考
(MACD(12,26,9) > 0) AND (PT_TYPE=0) AND ((C/REF(C,1)-1) * NETVOLUME > 100000000) ;
Python代码参考
import jqdatasdk as jq
from datetime import datetime, timedelta
jq.auth("账户名", "密码")
yesterday = (datetime.now().date() - timedelta(days=1)).strftime("%Y-%m-%d")
q = jq.query(jq.finance.STK_LIST).filter(jq.finance.STK_LIST.type== 'CS').filter(jq.finance.STK_LIST.board_type_code== '001')
df = jq.finance.run_query(q)
for stock_code in df.index.tolist():
stock_name = jq.get_security_info(stock_code).display_name
q = jq.query(jq.finance.STK_BAR).filter(jq.finance.STK_BAR.code == stock_code).filter(jq.finance.STK_BAR.date == yesterday)
df_stock = jq.finance.run_query(q)
if len(df_stock) > 0:
net_volume = jq.get_money_flow(stock_code, end_date=yesterday, fields=['net_amount_xl'])[0][0]
if (df_stock['close'][0]/df_stock['open'][0]-1) * net_volume > 100000000:
df = jq.get_price(stock_code, count=30, end_date=yesterday, frequency='daily', fields=['open', 'close'])
macd, signal, hist = abstract.MACD(df, fastperiod=12, slowperiod=26, signalperiod=9)
if 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。
