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，昨日竞价换手率大于0.26的股票。
选股逻辑分析
该选股逻辑结合了技术分析和市场情况分析。MACD指标和均线指标可帮助我们分析股票价格趋势；竞价换手率则可以反映出市场情况和市场参与者对股票的热度和关注度。
有何风险？
- 忽略了股票基本面因素，可能选出未来表现不佳的股票；
- 竞价换手率作为短期指标，可能因市场情况的变化导致选股结果不稳定；
- 选股因素过多，可能会过度拟合，导致选出的股票数量过少。
如何优化？
- 加入适当的基本面因素作为判断股票走势的参考；
- 定时调整选股因素的比例，使选股结果更为稳定可靠；
- 降低选股因素的数量和比重，取精华舍糟，以增加选股结果的覆盖率和有效性。
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，昨日竞价换手率大于0.26的优质股票。同时，加入适当的基本面因素作为判断股票走势的参考，过滤掉波动过大、风险过高的股票，达到稳定和盈利的目的。
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)
MA10:MA(CLOSE,10)
竞价换手率指标：
VR:SUM(IF(CLOSE>REF(CLOSE,1),VOL,0),26)/SUM(IF(CLOSE<REF(CLOSE,1),VOL,0),26)*100
python代码参考
以下为python的股票筛选代码，仅供参考：
import akshare as ak
import pandas as pd
# 获取股票基本面数据
stock_info = ak.stock_board_industry_name_ths()
# 获取股票历史行情数据
df = ak.stock_zh_a_hist_sina("sh000001")
# 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()
ma10 = df['close'].rolling(10).mean()
# 计算竞价换手率指标
vol = df['volume']
close = df['close']
vr = (close.where(close > close.shift(1), 0)*vol).rolling(window=26).sum() / (close.where(close < close.shift(1), 0) * vol).rolling(window=26).sum() * 100
# 筛选MACD零轴以上
condition1 = MACD > 0
# 筛选今日均线向上发散
condition2 = (ma5 > ma10) & (ma5.shift(1) < ma10.shift(1))
# 筛选昨日竞价换手率大于0.26
condition3 = vr.shift(1) > 0.26
# 筛选股票基本面
condition4 = ...
# 结合其他条件及权重
condition5 = ...
# 组合所有条件
all_conditions = condition1 & condition2 & condition3 & condition4 & condition5
# 输出选股结果
stock_list = df[all_conditions]['code']
## 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。
