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，PE>0。选股时间为每天收盘后进行。
选股逻辑分析
MACD指标可以反映市场趋势，个股热度可以反映市场关注度，PE比率可以反映公司的估值水平。综合考虑这些因素可以找到市场上具有较好投资机会的股票，进而优化投资策略，提高投资成功率。
有何风险？
- MACD指标单一，很难准确反映市场情况；
- 对于个股热度和PE比率的分析可能存在投机和泡沫等风险，需要谨慎选择；
- 选股后没有对个股进行基本面分析，存在市场风险。
如何优化？
- 加入其他有效的技术指标进行多维度分析和筛选；
- 提高选股精度，对于MACD指标进行筛选和验证，减少异常波动的干扰；
- 加入个股基本面分析，补充技术面可能存在的不足；
- 加入其他财务指标，比如ROE，负债率等，分析公司的运营状况和风险。
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，PE>0。选股时间为每天收盘后进行。
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。
Python代码参考
以下为python的选股筛选代码，仅供参考：
import akshare as ak
import talib as ta
data_stock_pe = ak.stock_zh_a_pe()
data_stock_hot = ak.stock_zh_a_board_spot_top(indicator="热度")
data_macd = ak.stock_zh_a_daily_em_indicator(symbol="macd")
result_list = []
for ts_code in data_stock_hot['ts_code']:
temp = data_macd[data_macd['symbol']==ts_code]
if (temp['macd'].iloc[-1] > 0) and (ts_code in data_stock_pe[data_stock_pe['pe']>0]['ts_code']):
result_list.append(ts_code)
result_filtered = data_stock_pe[data_stock_pe['ts_code'].isin(result_list)]
result_sorted = result_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。
