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，在前一交易日非涨停板的股票中筛选。选股时间为每个交易日开盘前。
选股逻辑分析
MACD指标可以反映短期市场趋势，个股热度可以反映市场关注度，筛选非涨停板可以避免涨停股被选中，达到更为准确的选股目的。通过此选股逻辑，可以筛选出市场短期趋势向上、市场关注度高，且未被涨停板阻碍的标的，并提高选股的成功率。
有何风险？
- 过于依赖技术指标，忽略基本面和业绩变化，可能导致投资失败；
- 过度关注短期趋势和市场情绪，忽略市场的基本面和长期趋势，可能造成选股漏洞；
- 高热度的个股可能存在炒作和泡沫风险，需要谨慎选择；
- 未涨停的股票未必比涨停的股票更有潜力，需要综合考虑因素。
如何优化？
- 综合考虑市场情绪、资金面、基本面等因素，设置更为全面、合理的筛选条件；
- 根据市场的变化情况，动态调整筛选条件，提高适应性；
- 在筛选的结果上加入其他指标或参数，以提高筛选的准确性；
- 加入基本面因素、业绩等指标，提高选股的准确性。
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，并在前一交易日非涨停板的股票中筛选。选股时间为每个交易日开盘前。同时加入一些基本面的因素。
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;
其中CLOSE为当日收盘价，EMA为指数移动平均数。
Python代码参考
以下为python的选股筛选代码、排序代码，仅供参考：
import akshare as ak
import talib as ta
# 获取股票数据并计算筛选结果
data_stock = ak.stock_zh_a_spot_em()
data_stock['ma5'] = ta.MA(data_stock['close'], timeperiod=5)
data_stock['ma10'] = ta.MA(data_stock['close'], timeperiod=10)
data_stock['dif'] = ta.EMA(data_stock['close'], timeperiod=12) - ta.EMA(data_stock['close'], timeperiod=26)
data_stock['dea'] = ta.EMA(data_stock['dif'], timeperiod=9)
data_stock['macd'] = (data_stock['dif'] - data_stock['dea']) * 2
data_stock_yesterday = ak.stock_zh_a_hist(symbol="股票代码", period="daily", adjust="qfq")
result_filtered = data_stock[(data_stock['dif'] >= 0) & (data_stock['hot'] > 0) & (data_stock['close'] < data_stock_yesterday['high'].iloc[-2]) & (data_stock['close'] > data_stock_yesterday['low'].iloc[-2])]
result_sorted = result_filtered.sort_values(by=['hot'], ascending=False)
## 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。
