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，今日最大跌幅小于-4%且大于-5%。选股时间为每个交易日开盘前。
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，今日最大跌幅可以反映市场反应程度。通过此选股逻辑，可以筛选出市场短期趋势向上、市场关注度高、市场反应程度适中的标的，并降低投资风险。
有何风险？
- 过度依赖技术指标和单一技术指标，忽略市场其他因素，可能造成选股漏洞；
- 过于追求短期收益，忽略基本面和业绩变化，可能导致投资失败。
如何优化？
- 加入其它技术指标和基本面因素进行筛选，以综合评估标的的投资价值和风险；
- 根据市场走势和资金流动等变化情况，动态调整技术指标的权重，提高适应性；
- BALB和动量、震荡等指标相结合，增强该策略的稳定性。
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，今日最大跌幅小于-4%且大于-5%。在此基础上可以根据具体情况适当加入其它筛选条件。同时可以根据预测市场走势、行业前景、公司业务等进行筛选。选股时间为每个交易日开盘前。
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。
今日最大跌幅的筛选条件：
C: BARSLOWEST(LOW, 1)/(REF(CLOSE,1)-1) < -0.04 AND BARSLOWEST(LOW, 1)/(REF(CLOSE,1)-1) > -0.05;
其中LOW为当日最低价，REF为引用，BARSLOWEST为求最低价，CLOSE为当日收盘价。
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_daily_tx(symbol="", trade_date="")
data_stock_m = data_stock.copy()
data_stock_m['DIF'] = ta.EMA(data_stock_m['close'], timeperiod=12) - ta.EMA(data_stock_m['close'], timeperiod=26)
data_stock_m['DEA'] = ta.EMA(data_stock_m['DIF'], timeperiod=9)
data_stock_m['MACD'] = (data_stock_m['DIF'] - data_stock_m['DEA']) * 2
data_stock_filtered = data_stock_m[(data_stock_m['MACD'] > 0) & (data_stock_m['hot'] > 0) & (ta.MIN(data_stock_m['low'], timeperiod=1) / ta.REF(data_stock_m['close'], timeperiod=1) < -0.04) & (ta.MIN(data_stock_m['low'], timeperiod=1) / ta.REF(data_stock_m['close'], timeperiod=1) > -0.05)]
result_sorted = data_stock_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。
