问财量化选股策略逻辑
选股逻辑为 MACD 技术指标零轴以上、价格小于 12 元、PE 大于 0。选股时间为每个交易日开盘前 10 点进行。
选股逻辑分析
该选股逻辑主要考虑了技术面和基本面的因素，综合考虑了短期趋势、估值和技术指标。通过 MACD 零轴以上和 PE 大于 0，选出的股票可以反映出强劲的上涨动能和较低的估值，同时可以在股票市场波动时获取到更大的投资机会。
有何风险？
- 这种选股策略过于简单且主要针对技术面和估值因素，忽略了一些其他重要的基本面因素，如行业趋势和公司财务状况等。
- 如果市场环境变动较大或者需求不足，则可能导致选股效果不佳。
- 如果选股时间和市场风险不匹配，例如选股时间突然发生重大事件，则选股策略可能会失效，并产生较大的风险。
如何优化？
- 可以结合其他技术指标、行业趋势和公司财务状况等多方面因素进行综合考虑和分析。
- 需要根据实际情况设立科学和合理的止盈止损点来控制风险。
- 可以使用大数据分析和机器学习等方法对选股策略进行优化和改进。
最终的选股逻辑
综合考虑 MACD 技术指标、价格和 PE 等因素，筛选出符合条件的股票，并结合其他基本面分析和市场情况进行综合考虑选股结果。
同花顺指标公式代码参考
以下是 MACD 指标和价格条件以及 PE 大于 0 的同花顺指标公式：
MACD(C, 12, 26, 9);
CROSS(MACD, 0);
CLOSE < 12;
PE > 0;
Python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import akshare as ak
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="d") # 获取股票 K 线数据，可根据实际需求调整
close_price = data_stock_price["close"].tolist()
pe_list = data_stock_price["pe"].tolist()
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
target_stocks = []
for i in range(len(data_stock_list)):
if data_stock_list["价格"].iloc[i] < 12 and macd[i] > 0 and pe_list[i] > 0:
target_stocks.append([data_stock_list.index[i], data_stock_list["名称"].iloc[i]])
注意，由于数据在运行时需要更新，因此具体代码需要实际情况调整。同时需要根据实际情况查询对应的 AKShare 数据接口。同时，最后还需要根据自己需求，调整选股结果输出方式。
## 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。
