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，并且今日均线向上发散。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，均线发散可以反映市场投资趋势和情绪。综合考虑这些因素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？
- MACD指标单一，很难准确反映市场情况；
- 对于个股热度和均线发散的分析可能存在投机和泡沫等风险，需要谨慎选择；
- 选股后没有对个股进行基本面分析，存在市场风险。
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，对于均线指标进行筛选和验证，减少异常波动的干扰；
- 加入个股基本面分析，补充技术面可能存在的不足；
- 及时调整和优化策略，适应市场变化。
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，并且今日均线向上发散。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;
均线向上发散指标：
EMA(CLOSE, 5) > EMA(CLOSE, 10) > EMA(CLOSE, 20) > EMA(CLOSE, 30) > EMA(CLOSE, 60);
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 = ak.stock_zh_a_daily_em()
data_stock_hot = ak.stock_zh_a_board_spot_top(indicator="热度")
result_list = []
for ts_code in data_stock_hot['ts_code']:
temp = data_stock[data_stock['ts_code']==ts_code]
if (temp['macd'].iloc[-1] > 0) and (temp['close'].iloc[-1]>temp['close'].iloc[-5]) and (temp['close'].iloc[-5]>temp['close'].iloc[-10]) and (temp['close'].iloc[-10]>temp['close'].iloc[-20]) and (temp['close'].iloc[-20]>temp['close'].iloc[-30]) and (temp['close'].iloc[-30]>temp['close'].iloc[-60]):
result_list.append(ts_code)
result_filtered = data_stock[data_stock['ts_code'].isin(result_list)]
result_sorted = result_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。
