问财量化选股策略逻辑
选股逻辑为 MACD 技术指标零轴以上、价格小于 12 元，并且收盘价在 Bollinger Bands 中的上限与中线之间。选股时间为每个交易日开盘前 10 点进行。
选股逻辑分析
该选股逻辑选取了 MACD 技术指标、价格及 Bollinger Bands 技术指标，较全面地考虑了技术面因素和价格因素，同时还可以观察到股票价格的上限和中线区间内的相对变化。该策略选出的股票通常来自于中长期上升的趋势，较为稳健，但由于市场变化波动，也需要适时调整。
有何风险？
- 股票可能不在上升趋势中，盈利和收益预期过高。
- 策略的选股结果容易过时，需要根据市场情况及时进行调整。
如何优化？
- 可以进一步结合其他技术指标和基本面因素，进行更全面、科学、合理的选股决策。
- 需要根据实际情况设立科学、合理的止盈止损点来控制风险。
- 可以使用大数据分析、机器学习等方法对选股策略进行优化和改进。
最终的选股逻辑
综合考虑技术指标、价格和趋势变化等因素，筛选出符合条件的股票，并结合其他基本面分析和市场情况进行综合考虑选股结果。
同花顺指标公式代码参考
以下是 MACD 指标、价格条件和 Bollinger Bands 条件的同花顺指标公式：
MACD(C,12,26,9);
CROSS(MACD,0)=1;
CLOSE<12;
CLOSE<BOLLUP(C,20,2) AND CLOSE>BOLLMA(C,20);
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_minute(symbol="sh601988", period="d") # 获取股票 K 线数据，可根据实际需求调整
close_price = data_stock_price["close"].tolist()
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
upper_band, mid_band, lower_band = talib.BBANDS(np.array(close_price), timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)
target_stocks = []
for i in range(len(data_stock_price)):
if data_stock_price["price"].iloc[i] < 12 and macd[i] > 0 and close_price[i] < upper_band[i] and close_price[i] > mid_band[i]:
target_stocks.append([data_stock_price.index[i], data_stock_price["name"].iloc[i]])
target_stocks = sorted(target_stocks, key=lambda x: hot_rank_list.index(x[0]), reverse=True)
注意，由于数据在运行时需要更新，因此具体代码需要根据实际情况调整。同时需要根据实际情况查询对应的 AKShare 数据接口。同时，最后还需要根据自己需求，调整选股结果输出方式。
## 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。
