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，并筛选出前25天有涨停的股票。选股时间为每日开盘后进行。
选股逻辑分析
此选股逻辑基于 MACD 和个股热度的选股逻辑基础上，加入了前25天有涨停的股票筛选条件。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，并进一步筛选出前25天有涨停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。
- 存在过拟合风险，筛选结果可能对过去的数据过于敏感。
如何优化？
- 结合财务面、市场前景等因素综合分析股票投资风险。
- 加入其他技术指标辅助股票的筛选，并综合判断股票的品种、市场走势和行业特点等因素。
- 通过机器学习等手段，进一步提高选股策略的稳定性。
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，并筛选出前25天有涨停的股票。应用以上逻辑进行股票选股。
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;
以下是通达信的涨停指标公式：
COND(CLOSE > REF(MAX(O,P),N), 1, 0);
注意，以上只是 MACD 指标和涨停指标，而 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
import pandas as pd
from pyecharts.charts import Line
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()
result_filtered = data_stock_price[(macd > 0) & (data_stock_price['热度'] > 0.5)]
result_sorted = result_filtered.sort_values(by='turnover_rate', ascending=False)
result_top = result_sorted.sort_values(by='热度', ascending=False).iloc[:100] # 选取前100条数据作为筛选结果
history_data = ak.stock_zh_a_hist(symbol="sh601988") # 获取历史行情数据
result = result_top[result_top['ts_code'].isin(history_data[history_data['change'] > 0.095]['ts_code'])] # 选取前25天有涨停的股票
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。
