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，规模2亿以上的股票。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，规模可以反映公司的资产实力。这些因素的综合考虑可以找到市场上具有较好投资机会的资产实力强、市场关注度高的股票，进而优化投资策略，提高投资成功率。
有何风险？
- 选股过于一维化，缺少多元化因素的考虑，存在选股误判的风险；
- MACD指标单一，很难准确反映市场情况；
- 公司规模不代表其盈利能力和市场表现，过分强调资产规模可能会影响股票的市场表现。
如何优化？
- 加入其他有效的技术指标进行多维度分析和筛选；
- 提高选股精度，对于MACD指标进行筛选和验证，加入其他的技术面指标；
- 优化规模指标的分析方法，精准选择企业实力强、市场表现好的股票；
- 加入基本面指标，如市盈率、市净率等，同时考虑公司营收、净利润等财务指标。
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，规模2亿以上的股票。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_basic = ak.stock_financial_analysis_indicator(stock="sz002594")
result_list = []
for ts_code in data_macd['symbol']:
temp = data_macd[data_macd['symbol']==ts_code]
if (temp['macd'].iloc[-1] > 0) and (ts_code in data_stock_price[data_stock_price['total_mv'] >= 2e8]['ts_code']):
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。
