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、今日均线向上发散。选股时间为每个交易日开盘前 10 点进行。
选股逻辑分析
该选股逻辑主要关注价格和技术面，综合考虑了短期趋势、估值和技术指标。通过 MACD 零轴以上和今日均线向上发散，选出的股票可以反映出强劲的上涨动能和估值的优势，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？
- 这种选股策略会忽略一些基本面较好的股票，导致放弃一定的长期投资价值。
- 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？
- 可以根据实际情况调整选股策略的时间点和选择的指标范围，以适应市场变化。
- 可以考虑结合其他技术指标和基本面分析来综合考虑股票的投资价值。
- 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。
最终的选股逻辑
综合考虑 MACD 技术指标、价格以及今日均线向上发散的情况，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均线向上发散的同花顺指标公式：
MACD(C, 12, 26, 9);
CROSS(MACD, 0);
CLOSE < 12;
MA(CLOSE, 5) > MA(CLOSE, 10) AND MA(CLOSE, 10) > MA(CLOSE, 20) AND MA(CLOSE, 20) > MA(CLOSE, 30) AND MA(CLOSE, 30) > MA(CLOSE, 60);
其中均线向上发散条件代表当日的 5、10、20、30 和 60 日均线都是向上发散的。
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)
ma20 = talib.MA(np.array(close_price), timeperiod=20)
ma30 = talib.MA(np.array(close_price), timeperiod=30)
ma60 = talib.MA(np.array(close_price), timeperiod=60)
cross_over = np.where(ma5 > ma10, 1, 0)
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 cross_over[i] and ma5[i] > ma10[i] and ma10[i] > ma20[i] and ma20[i] > ma30[i] and ma30[i] > ma60[i]:
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。
