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，并在下午大单净流入的股票中筛选。选股时间为每个交易日下午14点。
选股逻辑分析
MACD指标可以反映短期市场趋势，个股热度可以反映市场关注度，下午大单净流入可以反映主力资金的进出，筛选这些因素可以找到市场热门、主力关注、市场趋势向上的股票，提高投资成功率。
有何风险？
- 过于依赖技术指标，忽略基本面和业绩变化，可能导致投资失败；
- 过度关注短期趋势和市场情绪，忽略市场的基本面和长期趋势，可能造成选股漏洞；
- 主力资金的大单流入存在可能不是为了买入而是为了套现，需要谨慎选择；
- 个股热度高的股票往往存在炒作、泡沫等风险，需要谨慎分析。
如何优化？
- 根据市场变化情况，设置更为合理、全面的筛选条件，综合考虑各类因素；
- 过高的个股热度不一定带来好的投资机会，可以加入其他指标剔除热度过高的个股；
- 在选股后对个股基本面进行分析，减少过度依赖技术指标的风险；
- 加入其他技术指标或者参数，提高筛选的准确度。
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，在下午大单净流入的股票中筛选。选股时间为每个交易日下午14点。
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、排序代码，仅供参考：
import akshare as ak
import talib as ta
# 获取股票数据并计算筛选结果
data_stock = ak.stock_zh_a_spot_em()
data_stock['ma5'] = ta.MA(data_stock['close'], timeperiod=5)
data_stock['ma10'] = ta.MA(data_stock['close'], timeperiod=10)
data_stock['dif'] = ta.EMA(data_stock['close'], timeperiod=12) - ta.EMA(data_stock['close'], timeperiod=26)
data_stock['dea'] = ta.EMA(data_stock['dif'], timeperiod=9)
data_stock['macd'] = (data_stock['dif'] - data_stock['dea']) * 2
data_stock_afternoon = ak.stock_zh_a_tick_tx_js(code='股票代码', trade_date='20220623')
big_order_net_inflow = data_stock_afternoon['ask_b'].iloc[-1] - data_stock_afternoon['bid_b'].iloc[-1]
result_filtered = data_stock[(data_stock['dif'] >= 0) & (data_stock['hot'] > 0) & (big_order_net_inflow > 0)]
result_sorted = result_filtered.sort_values(by=['hot'], ascending=False)
## 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。
