(supermind策略)task16/a/macd零轴以上、今日均线向上发散、30日平均

问财量化选股策略逻辑

选股逻辑为MACD零轴以上，今日均线向上发散，30日平均线向上。

选股逻辑分析

该选股逻辑结合了技术指标和基本面指标，比较全面地考虑了股票的走势和价值。MACD指标和均线指标可以反映股票的技术面，而30日平均线可以反映股票的长期趋势。

有何风险？

1. 技术面指标存在滞后性，可能造成延迟入场，错过一些涨幅；
2. 选股逻辑偏重短期操作，忽略了长期基本面的影响，对于长期投资价值不易判断；
3. 只考虑了单一交易日的行情，忽略了连续几个交易日的数据变化，可能存在更多细节需要考虑。

如何优化？

1. 可以结合其他技术指标和基本面指标，以提高正确率；
2. 可适当增加对长期趋势的重视，结合更多长期指标进行筛选；
3. 适当考虑短期和长期趋势的变化情况，结合多期数据进行筛选。

最终的选股逻辑

选股逻辑为MACD零轴以上，今日均线向上发散，30日平均线向上。

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

均线指标:

MA5:MA(CLOSE,5)
MA30:MA(CLOSE,30)

30日平均线指标:

MA30:MA(CLOSE,30)
condition = C > MA30  # 收盘价大于30日均线

python代码参考

以下为python的选股筛选代码，仅供参考：

import akshare as ak

# 获取股票历史行情数据
df = ak.stock_zh_a_hist_sina("sh600000")

# 计算MACD指标
ema12 = df['close'].ewm(span=12).mean()
ema26 = df['close'].ewm(span=26).mean()
DIF = ema12 - ema26
DEA = DIF.ewm(span=9).mean()
MACD = (DIF - DEA) * 2

# 计算均线指标
ma5 = df['close'].rolling(5).mean()
ma30 = df['close'].rolling(30).mean()

# 计算30日平均线指标
condition = df['close'] > ma30

# 辅助筛选条件
all_conditions = (DIF > 0) & (ma5 > ma30) & condition

# 筛选出符合条件的股票
result = df[all_conditions]

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)