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，并筛选出10日涨幅大于0小于35的股票。选股时间为每日开盘后进行。
选股逻辑分析
与前面的选股逻辑类似，此选股逻辑同样基于 MACD 和个股热度的选股逻辑基础上，筛选出10日涨幅大于0小于35的股票，通过控制涨幅幅度进一步降低选股的难度。该选股策略的核心是通过 MACD 和个股热度分析股票市场的趋势热度，并从中选取符合条件的股票来获取高盈利的投资机会。
有何风险？
- 忽略了公司财务面的因素，可能存在较大的投资风险。
- 过度依赖历史数据，无法准确预测未来市场趋势。
- 仅选择10日涨幅大于0小于35的股票可能会忽略其他有投资机会的股票。
如何优化？
- 对公司财务面、市场前景等因素进行综合分析，减少投资风险。
- 加入其他技术指标辅助股票的筛选，并综合考虑股票的行业特点等因素。
- 选取更合理的涨幅幅度，综合选择符合条件的股票。
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，并筛选出10日涨幅大于0小于35的股票。
同花顺指标公式代码参考
以下是通达信的 MACD 指标公式:
DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:EMA(DIF,M);
MACD:(DIF-DEA)*2,COLORSTICK;
以下是通达信的股票代码指标（如筛选10日涨幅大于0小于35的股票）：
(CLOSE - REF(CLOSE,10)) / REF(CLOSE,10) > 0 AND\
(CLOSE - REF(CLOSE,10)) / REF(CLOSE,10) < 0.35;
注意，由于 个股热度 指标没有具体的同花顺指标可以参考，需要自行实现。
Python代码参考
以下是 Python 的选股筛选代码，仅供参考：
import akshare as ak
data_stock_price = ak.stock_zh_a_daily(symbol="sh601988") # 获取股票数据，注意需要日线数据
macd = pd.Series(data_stock_price['close']).ewm(12).mean() - pd.Series(data_stock_price['close']).ewm(26).mean()
selected = data_stock_price.loc[
(data_stock_price['热度'] > 0.5) & (macd > 0) &\
((data_stock_price['close'] - data_stock_price['close'].shift(10))/data_stock_price['close'].shift(10) > 0) &\
((data_stock_price['close'] - data_stock_price['close'].shift(10))/data_stock_price['close'].shift(10) < 0.35)
]
result = selected # 最终选股结果
注：由于 KDJ 函数是自行编写的，因此代码中并没有给出函数的具体实现。
## 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。
