问财量化选股策略逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元、七连阴 的股票。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑同样考虑了技术面和市场情绪两方面因素。MACD 的选取反映了技术面的情况，价格和七连阴的选取反映了市场情绪。同时，该策略只选取了价格比较低廉、连续下跌的股票，规避了一定风险。
有何风险？
- 过于依赖技术面和市场情绪因素，可能导致选股结果失误。
- 连续下跌的股票可能存在较大的风险，需要谨慎选择。
如何优化？
- 在技术面因素的考虑中，可以增加其他指标的考虑，如 KDJ、RSI 等，以全面综合股票走势。
- 在市场情绪的考虑中，可以增加其他指标的考虑，如主力资金流向等，以全面综合分析市场情绪。
- 可以增加筛选条件，如止盈比率、行情反弹和资金流入等，以降低风险。
最终的选股逻辑
选股逻辑为 MACD 零轴以上、价格小于 12 元、七连阴的股票。在筛选过程中，同时关注其他技术和市场情绪指标，以全面综合分析股票的走势和市场情绪，并增加止盈比率和资金流入等条件，以降低风险。
同花顺指标公式代码参考
以下是 MACD 的同花顺指标公式：
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
注意，其中 SHORT = 12，LONG = 26，M = 9。
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="15") # 获取股票 15 分钟数据
close_price = data_stock_price["close"].tolist()
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=12, slowperiod=26, signalperiod=9)
data_stock_info = ak.stock_info_a_code_name() # 获取股票列表数据
data_stock_kline = ak.stock_zh_a_daily(symbol="sh601988") # 获取股票日 K 线数据
close_price = data_stock_kline["close"].tolist()
consecutive_decline = True
for i in range(-1, -8, -1):
if close_price[i] < close_price[i-1]:
consecutive_decline = False
break
if consecutive_decline and macd[-1] > 0 and data_stock_price["close"].iloc[-1] < 12:
filtered = data_stock_info.loc[
(data_stock_info["type"] == "主板")
# 其他条件
]
result = filtered[["代码", "名称"]] # 最终选股结果
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。
## 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。
