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，机构动向大于0。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，而机构动向指标可以反映机构资金的流向，选股策略基于这两个指标，同时通过个股热度的排序，选择机构动向大于0的标的，从而筛选出一些短期趋势良好，受机构资金青睐的标的。
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；
- 机构动向指标存在滞后性，并不能完全反映机构的投资意向；
- MACD指标和机构动向指标存在假信号，可能会影响选股效果。
如何优化？
- 加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准确性；
- 根据市场整体走势等宏观因素进一步筛选标的；
- 在选股时考虑多种指标的交叉验证，减少假信号的干扰；
- 对机构动向指标进行更严格的筛选，排除噪音信号。
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，机构动向大于0，同时加入其它相关技术指标因素。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;
机构动向线指标：
ADTM: (HIGH-OPEN)/(HIGH-LOW) * VOL;
ADTM_MA5: MA(ADTM, 5);
其中CLOSE为收盘价，EMA为指数平均数，MA为简单平均数，HIGH为最高价，LOW为最低价，OPEN为开盘价，VOL为成交量。
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_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_m['ADTM'] = (data_stock_m['high'] - data_stock_m['open']) / (data_stock_m['high'] - data_stock_m['low']) * data_stock_m['vol']
data_stock_m['ADTM_MA5'] = ta.MA(data_stock_m['ADTM'], timeperiod=5)
condition = (data_stock_m['MACD'] > 0) & (data_stock_m['ADTM'] > 0)
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。
