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、500 日内至少 2 次涨停。选股时间为每个交易日开盘前 10 点进行。
选股逻辑分析
该选股逻辑综合考虑了技术面和基本面。MACD 技术指标、价格两个条件综合考虑短期和估值，而涨停次数的考量可以反映投资者情绪。综合这些条件可以更加准确地筛选出具有短期投资机会的股票，同时可以尽可能规避市场波动风险。
有何风险？
- 选股条件的过于严格可能会导致很多股票被排除在外，可能错过了某些长期投资价值较高的股票。
- 股票的涨停次数可能会受到一些外界因素，例如大盘走势或利好消息的影响，从而会影响涨停次数的可靠性。
如何优化？
- 在综合考虑技术指标和基本面的情况下，可以增加其他市场情绪指标，例如资金净流入、龙虎榜等，以提高选股结果的稳定性和准确性。
- 可以考虑采用更加灵活的选股条件，例如对于股票的涨停次数，可以设置一个范围而不是具体的数字，以减小条件的限制程度。
- 在实际应用中需注意个股风险控制，例如限制个股持仓比例等。
最终的选股逻辑
综合考虑 MACD 技术指标、价格和股票涨停次数三个条件，筛选出符合条件的股票，并结合其他技术指标和市场情绪指标的情况下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 指标和价格条件的同花顺指标公式：
MACD(C, 12, 26, 9);
CROSS(MACD, 0);
CLOSE < 12;
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()
ma5 = talib.MA(np.array(close_price), timeperiod=5)
ma10 = talib.MA(np.array(close_price), timeperiod=10)
cross_over = np.where(ma5 > ma10, 1, 0)
cross_below = np.where(ma5 < ma10, 1, 0)
gold_cross_day = np.where(np.logical_and(cross_over[:-1] == 0, cross_over[1:] == 1), 1, 0)
death_cross_day = np.where(np.logical_and(cross_below[:-1] == 0, cross_below[1:] == 1), 1, 0)
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
data_stock_limit = ak.stock_emerging_500_limit_up() # 获取股票涨停数数据
target_stocks = []
for i in range(len(data_stock_list)):
if data_stock_list["价格"].iloc[i] < 12 and macd[i] > 0 and gold_cross_day[i] and (data_stock_limit.iloc[-500:][data_stock_list.index[i]] >= 2).sum() > 0:
target_stocks.append([data_stock_list.index[i], data_stock_list["名称"].iloc[i]]) # 将符合条件的股票加入选股名单中
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。
