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，剔除流通市值大于等于 100 亿的股票，同时筛选出机器人概念股票。选股时间为每日开盘后进行。
选股逻辑分析
该选股逻辑基于 MACD 指标和个股热度的选股逻辑，加入了特定行业概念和市值的筛选条件，通过机器人概念的筛选，寻找具有未来业绩提升潜力的股票，限制市值上限可以避免市值过大的公司造成持仓集中风险，从而实现风险控制和盈利最大化的平衡。
有何风险？
- 过于依赖技术指标和概念板块筛选，可能造成对基本面的忽略。
- 复杂的选股逻辑可能会增加信号的噪音，导致选出稳定性较差的股票。
- 选股时间段较为短暂，快速的市场波动可能会对选出的股票造成影响，从而导致投资风险。
如何优化？
- 加入公司财务数据等基本面指标进行筛选。
- 适度减少选股条件，降低筛选噪音.
- 增加目标持有时间，降低短期市场波动的影响。
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，剔除流通市值大于等于 100 亿的股票，同时筛选出机器人概念股票。
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， （如对流通市值进行限制，剔除大于等于 100 亿的股票）：
(CIRCAPT / 100000000 < 100);
以下是通达信的机器人概念指标：
GGZC.JSBJB;
注意，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['机器人概念'] == 1) & (data_stock_price['热度'] > 0.5) & (macd > 0) &\
(data_stock_price['circap'] / 1e8 < 100)
]
result = selected # 最终选股结果
注：由于 个股热度 函数需要自行实现，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。
