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、今日竞价金额排序前五的股票。选股时间为每个交易日开盘前进行。
选股逻辑分析
该选股逻辑主要考虑了技术面和市场情况。MACD 技术指标和价格条件综合考虑了短期和长期市场变化，排序前五的竞价金额则反映了市场对该股票的关注度和活跃度。对于追求快速盈利的投资者可以根据本方法快速挑选出潜力较大的股票。
有何风险？
- 过于依赖竞价金额，可能存在市场情况波动较大，而导致选股因素过于单一的风险。
- 过于追求明日反弹盈利，忽略长期投资价值，可能存在选股风险。
如何优化？
- 增加长期投资考虑，考虑增加基础面指标以配合技术面选股。
- 相对屏弃一日竞价金额条件，增加其他维度指标，以提高选股逻辑准确性。
- 调整选股策略中竞价金额排序的权重，适当降低选股门槛和限制条件。
最终的选股逻辑
综合考虑 MACD 技术指标和价格条件，排序前五的竞价金额，选取出表现较好、潜力较大的股票。
同花顺指标公式代码参考
以下是 MACD 指标的同花顺指标公式：
MACD(CLOSE, 12, 26, 9);
以下是竞价金额的排序指标的同花顺指标公式：
RANK(B1, B1, 1) <= 5 AND RANK(V1, V1, 1) <= 5
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 talib
data_stock_price = ak.stock_zh_a_minute(symbol="sh601988", period="D") # 获取股票日 K 线数据
close_price = data_stock_price["close"].tolist()
ma_5 = talib.MA(np.array(close_price), timeperiod=5) # 计算 5 日均线
ma_10 = talib.MA(np.array(close_price), timeperiod=10) # 计算 10 日均线
ma_20 = talib.MA(np.array(close_price), timeperiod=20) # 计算 20 日均线
short, long, m = 12, 26, 9
dif, dea, macd = talib.MACD(np.array(close_price), fastperiod=short, slowperiod=long, signalperiod=m)
data_stock_quote = ak.stock_zh_a_quote(symbol="sh601988") # 获取股票实时行情数据
sorted_volume = data_stock_quote.sort_values(by="竞买价", ascending=False).iloc[:5]
if macd[-1] > 0 and data_stock_quote["现价"].iloc[-1] < 12 and data_stock_quote["股票名称"].isin(sorted_volume["股票名称"]):
filtered = data_stock_info.loc[
(data_stock_info["type"] == "主板")
# 其他条件
]
result = filtered[["代码", "名称"]] # 最终选股结果
注意，由于数据在运行时需要更新，因此具体代码需要实际情况调整。同时需要根据实际情况查询对应的 AKShare 数据接口。
## 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。
