问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质、前25天曾有涨停的个股作为投资标的。该策略主要选取经过大涨之后还能保持一定上涨潜力的股票，并结合企业基本面进行选取，最终选出具有中长期涨势的股票作为投资标的。
选股逻辑分析
选股逻辑包括MACD值在零轴以上、企业性质、前25天曾有涨停的三个条件。MACD值在零轴以上反映了股票价格大概率向上上涨趋势，企业性质则选注重稳健发展的企业基本面，而前25天曾有涨停则选取具有诱人的投资潜力的标的。
有何风险？
该策略风险包括市场风险、企业基本面变化风险、涨停板解禁风险等因素的风险，这些因素均会对股票价格产生较大的影响，需要进行综合分析。
如何优化？
可加入更多的企业基本面指标，如资产负债表、现金流量表等指标，选取更具有投资价值和安全性的标的。同时，也可加入其他技术指标，如RSI等，进行更加准确的选股策略。
最终的选股逻辑
选取MACD值在零轴以上、企业性质、前25天曾有涨停的个股作为投资标的。
同花顺指标公式代码参考
RETURN(MACD>0 AND ref(DAYLYINFO.high_limit,25)>0 AND net_profit > 0)
其中，MACD代表移动平均线指标，ref(DAYLYINFO.high_limit, 25)代表前25天有涨停板的记录，net_profit代表净利润。
Python代码参考
import jqdatasdk as jq
import talib
jq.auth("账户名", "密码")
q = jq.query(jq.finance.STK_INCOME_STATEMENT.total_profit).filter(jq.finance.STK_INCOME_STATEMENT.pub_date == '昨日', jq.finance.STK_INCOME_STATEMENT.code != None)
df_income_statement = jq.get_fundamentals(q, count=1)
q = jq.query(jq.finance.STK_CAPITAL_AMOUNT.total_capital).filter(jq.finance.STK_CAPITAL_AMOUNT.pub_date == '昨日', jq.finance.STK_CAPITAL_AMOUNT.code != None)
df_capital_amount = jq.get_fundamentals(q, count=1)
q = jq.query(jq.valuation).filter(jq.valuation.net_profit > 0, jq.finance.STK_XR_XD.date > '25', jq.finance.STK_XR_XD.date < '昨日')
df_valuation = jq.get_fundamentals(q, count=1)
df_adjust_price = jq.get_price(df_valuation.index.tolist(), count=60, end_date='today', frequency='daily', fields=['open', 'close', 'high', 'low'], skip_paused=True)
df_macd, _, _ = talib.MACD(df_adjust_price['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
df_high_limit = jq.get_price(df_valuation.index.tolist(), count=25, end_date='today', frequency='daily', fields=['high_limit'], skip_paused=True)
df_valuation = df_valuation[(df_macd > 0) & (df_high_limit > 0)]
q = jq.query(jq.finance.STK_EXCHANGE_TRADE_INFO.stock_name, jq.finance.STK_EXCHANGE_TRADE_INFO.bbd_ratio, jq.finance.STK_EXCHANGE_TRADE_INFO.net_amount).filter(jq.finance.STK_EXCHANGE_TRADE_INFO.bbd_ratio > 0, jq.finance.STK_EXCHANGE_TRADE_INFO.net_amount > 0, jq.finance.STK_EXCHANGE_TRADE_INFO.pub_date == '昨日')
df_exchange_trade_info = jq.get_fundamentals(q)
df_valuation = df_valuation[df_valuation.index.isin(df_exchange_trade_info.index)]
stock_list = df_valuation.index.tolist()
for code in stock_list:
stock_name = jq.get_security_info(code).display_name
print("(" + code + ")" + stock_name + " 符合条件")
## 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。
