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，并且昨日换手率大于8%。选股时间为每日开盘后进行。
选股逻辑分析
该选股策略是以MACD、个股热度和昨日换手率为基础进行选股的。MACD指标用于判断股票的上涨趋势，个股热度和昨日的换手率则用以确定股票的热度和市场交易情况。通过综合运用这三个指标进行选股，识别可能存在上涨趋势的热门个股。
此策略较为合理，以市场热点和交易情况为指标进行选股，能增加选股的准确性和实用性。
有何风险？
- 筛选出的股票可能会有一定程度的共性，这样便使得股票池中有较强的风险集中度。
- 筛选指标过于泛泛，规定过于宽泛。
- 指标或策略过于单一，风险容易因此而增大。
如何优化？
- 引入更多维度因素，例如股价和市值等并结合指标本身指标因子修改其分值权重。
- 结合量化交易的思想，用回测数据来验证策略是否合理。
- 加强对数据的分析和数据清洗的完善。
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，并且限定昨日换手率大于8%的股票。应用以上逻辑进行股票选股。
同花顺指标公式代码参考
选股所需通达信指标公式如下：
MACD: (EMA(CLOSE, 12) - EMA(CLOSE, 26))
PRICE: CLOSE
VOLUME: VOL
其中CLOSE为当日收盘价，VOL为当日成交量，EMA为指数移动平均数，MACD为MACD线，PRICE为当日收盘价，VOLUME为当日成交量。
Python代码参考
以下是Python的选股筛选代码，仅供参考：
import akshare as ak
import pandas as pd
data_stock_price = ak.stock_zh_a_minute(symbol="sh601669", period='1') # 获取股票数据，注意需要分钟数据
macd = pd.Series(data_stock_price['close']).ewm(12).mean() - pd.Series(data_stock_price['close']).ewm(26).mean()
result_filtered = data_stock_price[(macd > 0) & (data_stock_price['turnover_rate'] > 0.08)]
result_sorted = result_filtered.sort_values(by='turnover_rate', ascending=False)
result_top = result_sorted.iloc[:100] # 选取前100条数据作为筛选结果
## 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。
