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名，并剔除北京地区的 A 股股票。选股时间为每日开盘后进行。
选股逻辑分析
该选股逻辑基于 MACD 和个股热度的选股逻辑基础上，剔除北京地区的 A 股股票，避免这些股票受到相关政策影响而导致的投资风险，同时依据个股热度和 MACD 来筛选出具有投资前景的股票，获取高盈利的投资机会。
有何风险？
- 过度依赖历史数据，无法准确预测未来市场趋势。
- 忽略了公司财务面的因素，可能存在较大的投资风险。
- 忽略了一些区域特定的因素，未来政策变动可能会对这些股票产生影响。
如何优化？
- 对公司财务面、市场前景等因素进行综合分析，减少投资风险。
- 除了 MACD 和个股热度之外，加入其他适合的技术指标进行分析，同时考虑股票的行业特点。
- 加入更多特定区域的限制，比如省级或市级限制。
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名，并剔除北京地区的 A 股股票。
同花顺指标公式代码参考
以下是通达信的 MACD 指标公式:
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
以下是通达信的股票代码指标（如对北京地区的 A 股股票进行剔除）：
(REGION != '北京' ) AND (CATEGORY == 'A股');
注意，由于 个股热度 指标没有具体的同花顺指标可以参考，需要自行实现。
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_daily(symbol="sh601988") # 获取股票数据，注意需要日线数据
macd = pd.Series(data_stock_price['close']).ewm(12).mean() - pd.Series(data_stock_price['close']).ewm(26).mean()
selected = data_stock_price.loc[
(data_stock_price['热度'] > 0.5) & (macd > 0) &\
(data_stock_price['region'] != '北京') & (data_stock_price['category'] == 'A股')
]
result = selected # 最终选股结果
注：由于 个股热度 函数需要自行实现，因此代码中并没有给出函数的具体实现。
## 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。
