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，集中度不高于20%且不低于70%的股票。选股时间为每日收盘后进行。
选股逻辑分析
MACD指标可以反映市场趋势，个股热度可以反映市场关注度，集中度可以反映市场分散度，综合这些因素可以找到既有市场关注度和趋势，又具有一定分散度的潜力股。
有何风险？
- 集中度变化可能导致选股误判；
- 选股过程中可能会忽略其他重要的技术指标和基本面指标，存在风险；
- 过于依赖热点概念股票，容易遭遇市场情况变化而影响投资效果。
如何优化？
- 加入其他技术指标，如RSI、KDJ等，进行筛选和验证，增强选股的准确性；
- 加入基本面指标，如市盈率、市净率等，进行综合鉴别，减少误判率；
- 适时根据市场情况进行轻重调整，避免过度投资热点概念，同时注重投资组合的多元化，降低管理风险。
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，集中度不高于20%且不低于70%的股票。选股时间为每日收盘后进行。
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;
其中CLOSE为当日收盘价，EMA为指数移动平均数。
Python代码参考
以下为python的选股筛选代码，仅供参考：
import akshare as ak
import talib as ta
data_stock_price = ak.stock_zh_a_daily(symbol="sh600000")
data_macd = ak.stock_zh_a_daily_em_indicator(symbol="macd")
data_concentration = ak.stock_board_concept_cons_pct(board_code="gn_001")
result_list = []
for ts_code in data_macd['symbol']:
temp_stock = data_stock_price[data_stock_price['ts_code']==ts_code]
temp_macd = data_macd[data_macd['symbol']==ts_code]
temp_conc = data_concentration[data_concentration['ts_code']==ts_code].iloc[-1]['cons_pct']
if (temp_macd['macd'].iloc[-1] > 0) and (temp_macd['macd'].iloc[-1] < 0.2 * temp_stock['close'].iloc[-1]) and (temp_conc > 0.7):
result_list.append(ts_code)
result_filtered = data_stock_price[data_stock_price['ts_code'].isin(result_list)]
result_sorted = result_filtered.sort_values(by=['close'], ascending=True)
## 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。
