问财量化选股策略逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，并且流通市值在50-100亿元之间。
选股逻辑分析
其选股条件加入了市值的考虑，对更加稳定的个股做了筛选。同时，MACD和均线指标反映了股票在技术上的走势，通过加入流通市值的限制，可以避免过于波动的个股，进一步降低了投资的风险。
有何风险？
- 选股条件过于单一，如果市场环境在某些方面发生了变化，就很可能会导致有效选股数量急速下降；
- 对流通市值的约束有些突兀，可能会忽略一些表现出色但市值较小的投资标的。
如何优化？
- 可以加入更多的技术指标以及更多的基本面因素，避免过于单一和突兀的选股策略；
- 可以根据具体市场情况，调整市值的约束范围。
最终的选股逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，并且流通市值在50-100亿元之间。
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
均线指标：
MA5:MA(CLOSE,5)
MA10:MA(CLOSE,10)
python代码参考
以下为python的选股筛选代码，仅供参考：
import akshare as ak
# 获取股票历史行情数据
df = ak.stock_zh_a_hist_sina("sh600000")
# 计算MACD指标
ema12 = df['close'].ewm(span=12).mean()
ema26 = df['close'].ewm(span=26).mean()
DIF = ema12 - ema26
DEA = DIF.ewm(span=9).mean()
MACD = (DIF - DEA) * 2
# 计算均线指标
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
# 辅助筛选条件-流通市值在50亿-100亿之间
condition1 = df['circulating_market_cap'] > 5*10**9
condition2 = df['circulating_market_cap'] < 10*10**9
circulating_market_cap_condition = condition1 & condition2
# 结合条件
all_conditions = DIF > 0 & ma5 > ma10 & circulating_market_cap_condition
# 筛选出符合条件的股票
result = df[all_conditions]
## 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。
