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，深证主板中市盈率0-29.01市净率0-3.11的股票。选股时间为每天收盘后进行。
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，深证主板市盈率和市净率分别可以反映公司投资价值和市场表现。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股票，进而优化投资策略，提高投资成功率。
有何风险？
- 个股热度和市盈率等指标可能会受到市场热度和投资者情绪的干扰，存在选股误判的风险；
- MACD指标单一，很难准确反映市场情况；
- 市场环境会不断变化，选股逻辑需要及时调整和优化。
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；
- 优化市盈率和市净率的分析方法，精准选择企业估值合理的股票；
- 选取不同行业的优质公司，分散投资风险。
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，深证主板中市盈率0-29.01市净率0-3.11的股票。选股时间为每天收盘后进行。
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_pe_pb = ak.stock_valuation(symbol="总市值", indicator="pe_ttm_pb")
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['close'] < 12]['ts_code']) \
and (ts_code in data_pe_pb[(data_pe_pb['市盈率TTM'] >=0) & (data_pe_pb['市盈率TTM'] <= 29.01) & (data_pe_pb['市净率PB'] >= 0) & (data_pe_pb['市净率PB'] <= 3.11)]['股票代码']):
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。
