问财量化选股策略逻辑
选股逻辑：macd零轴以上,昨日主力控盘,竞价时涨跌幅买入大单.特大单共计买入量大于0.7千万。
选股逻辑分析
该选股逻辑通过筛选出MACD零轴以上、昨日主力控盘、竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万的股票。MACD零轴以上可以代表股票短期内处于上涨趋势，昨日主力控盘体现了主力资金在昨日的买入意愿，竞价时涨跌幅买入大单和特大单共计买入量大于0.7千万可以反映当前的资金活跃度和股票价值。
有何风险？
- 该选股逻辑相对较宽松，可能会选出一些风险较高的潜在股票；
- 特大单的数量容易受市场整体情况的影响，如果市场整体较为平静，则特大单的数量可能较少，选股结果会偏向少量个股；
- 竞价时的买入量可能会存在一些主力资金的操作，有一定的不确定性风险。
如何优化？
- 可以进一步细化特大单和大单的买入量，如选取特大单买入量大于1千万的股票；
- 可以结合其他指标进行筛选，如RSI、波动率等，降低选股的风险；
- 可以适当增加筛选条件，如涨跌停板、成交量、股价等，提高筛选结果的准确度。
最终的选股逻辑
综合以上的分析和优化建议，最终的选股逻辑为：MACD零轴以上，昨日主力控盘，竞价时涨跌幅买入大单和特大单共计买入量大于1千万。结合其他相对强势的指标和市场情况进行筛选，可适当调整特大单买入量的标准。
同花顺指标公式代码参考
MAC：DIF:EMA（12）- EMA（26）
DEA:EMA（12）的MID（DIF）
MAC:(MID-DEA)×2
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
MID = DIF.ewm(span=12).mean()
DEA = MID.ewm(span=9).mean()
MACD = (MID - DEA) * 2
# 筛选 MACD零轴以上
condition1 = MACD > 0
# 筛选昨日主力控盘
condition2 = df['close'] > df['vol'] * 2 / (df['amount'] / 10000)
# 筛选竞价时涨跌幅买入大单和特大单共计买入量大于1千万
df_10 = daily_price_df.sort_index().tail(1)
df_10 = df_10.reset_index(drop=True)
condition3 = df_10['buy_large_order_num'] > 0 and df_10['buy_large_order_ratio'] > 0 and df_10['buy_large_order_net'] > 10000000
# 结合其他相对强势的指标
condition4 = ...
# 组合所有条件
all_condition = condition1 & condition2 & condition3 & condition4
# 输出选股结果
stock_list = df[all_condition]['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。
