问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质、大单净量排行的个股作为投资标的。该策略主要选取具备较强趋势性并有较强资金支撑的股票，以寻找较为优质的投资标的。
选股逻辑分析
选股逻辑包括选取MACD值在零轴以上、企业性质、大单净量排行的个股作为投资标的。MACD值在零轴以上反映了股票价格大概率向上上涨趋势，企业性质关注公司的基本面，大单净量排行则反映了市场资金对该股票看好。
有何风险？
企业性质的筛选可能忽略其他重要的财务指标。此外，依赖MACD值在零轴以上和大单净量的选股方法可能存在市场情绪偏差，且大单买入的原因并非仅为看好该股票而是可能涉及其他公司信息。
如何优化？
在选取股票时可以增加其他技术指标和财务指标的筛选，以多角度评估股票价值。此外，数据分析方法结合机器学习算法可以有效提高选股的准确性和效率。
最终的选股逻辑
选取MACD值在零轴以上、企业性质、大单净量排行的个股作为投资标的。
同花顺指标公式代码参考
CJL > 0 AND DH > -DH*1 AND MACD > 0
其中，CJL代表成交量，DH代表主力净流入，MACD代表移动平均线指标
Python代码参考
import jqdatasdk as jq
from datetime import datetime
import talib
jq.auth("账户名", "密码")
today = datetime.now().strftime("%Y-%m-%d")
q = jq.query(jq.valuation).filter(jq.valuation.code.in_(jq.get_index_stocks('000001.XSHG')))
df_valuation = jq.get_fundamentals(q)
df_stock_basics = jq.get_all_securities('stock')
df_stock_basics = df_stock_basics[df_stock_basics['start_date'] < today]
df_price = jq.get_price(df_stock_basics.index.tolist(), end_date=today, frequency="daily", fields=['open', 'close', 'volume'])
df_vol = df_price['volume']
df_close = df_price['close']
df_macd, _, _ = talib.MACD(df_close, fastperiod=12, slowperiod=26, signalperiod=9)
df_net_amount_main = jq.get_money_flow(['001'], end_date=today, count=1, fields=['net_amount_main'])['net_amount_main']
df_price = df_price[(df_vol > 0) & (df_macd > 0) & (df_net_amount_main > 0)]
q = jq.query(jq.valuation).filter(jq.valuation.code.in_(df_price.index.tolist()))
df_valuation = jq.get_fundamentals(q, count=1)
stock_list = df_valuation.index.tolist()
for code in stock_list:
q = jq.query(jq.valuation).filter(jq.valuation.code==code)
df_valuation = jq.get_fundamentals(q)
if len(df_valuation) > 0:
stock_name = jq.get_security_info(code).display_name
print("(" + code + ")" + stock_name + " 符合条件")
## 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。
