(同花顺量化)10天内涨停天数大于2

问财量化选股策略逻辑

选股逻辑：macd零轴以上,外盘/内盘大于1.3,10天内涨停天数大于2。在符合以上所有选股条件的股票中，按个股涨幅从大到小排序作为选股结果。

该选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑的段落中。分析以上的选股逻辑（每个逻辑以 "," 进行分隔），分析选股的逻辑（放入标题为 ## 选股逻辑分析的段落），有什么风险？（放入标题为 ## 有何风险？的段落）如何优化？（放入标题为 ## 如何优化？的段落）并最终给出完善选股逻辑（放入标题为 ## 最终的选股逻辑的段落），请用 Markdown 格式。

选股逻辑分析

该选股逻辑主要集中在技术面、市场流动性和市场热度等方面进行股票筛选，着重筛选具有上涨趋势的股票。其中，MACD指标显示股票价格的走势，快速线和满级线的差距越大，说明价格上涨的可能性越大。外盘/内盘大于1.3说明股票即使在成交热度上也有一定的优势，10天内涨停天数大于2则说明股票价格变化动能强劲，持续性较好，符合这些条件的股票可以被认为是有上涨趋势的。

有何风险？

该选股策略存在以下风险：

在市场情况不明朗的时期，该选股逻辑可能会导致过度追涨，存在较大的风险。
涨停天数作为市场情维度判据，可能会受到交易情况等的影响而存在较大的波动性。
该选股逻辑对个股基本面以及行业因素的影响存在不足，可能会遗漏一些有潜力的股票。

如何优化？

以下是该选股策略的优化建议：

综合运用多种技术指标和基本面分析来确定股票的价值，在较宽泛的准则下进行各种筛选，提高选股的准确度。
考虑引入更多的非线性机器学习算法来挖掘关键特征之间的高阶交互，以增强对选股股票的挖掘能力和泛化能力。
结合政策面和宏观经济等资讯来分析个股和行业的动态变化，调整策略。

最终的选股逻辑

经过分析和优化，我们最终得出的选股策略为：macd零轴以上,外盘/内盘大于1.3,10天内涨停天数大于2。在符合以上所有选股条件的股票中，按个股涨幅从大到小排序作为选股结果。

同花顺指标公式代码参考

以下是通达信中以 MACD 为基础的选股公式：

C := REF(CLOSE, 1);
DIF := EMA(CLOSE, SHORT) - EMA(CLOSE, LONG);
DEA := EMA(DIF, MID);
MACD := (DIF - DEA) * 2;

FILTER : (MACD > 0) AND (HSL > HSL2 AND VOLUME > VOLUME1)
AND (RSTR10 > 0) AND (RSTR10 < 100);

SIGNAL : SORTBY(ROC(CLOSE,5));
WITHIN(FILTER);

注：其中的 HSL 和 HSL2 分别表示外盘和内盘均线周期数，VOLUME 和 VOLUME1 表示成交量和均线周期数，RSTR10 表示10天内涨停天数。

Python代码参考

以下是获取符合选股条件的股票列表并按个股涨幅从大到小排序的 Python 代码：

import tushare as ts
import pandas as pd
import talib as ta
import datetime

# 设置 Tushare Pro 的 token
token = 'your_token_here'
ts.set_token(token)

# 初始化 tushare pro 接口
pro = ts.pro_api()

# 获取符合选股条件的股票列表并按个股涨幅从大到小排序
result = []
for stock_code in pro.stock_basic(exchange='', list_status='L', is_hs='', fields='ts_code,symbol,market,industry,list_date')['ts_code']:

    # 获取当日股票数据
    data_today = pro.daily(ts_code=stock_code, trade_date='20220110', fields='ts_code,open,high,low,close,vol,amount')

    # 获取股票价格均线数据
    close_price = data_today['close'].values
    ma10 = ta.MA(close_price, timeperiod=10)

    # 获取股票涨停天数数据
    data_limit = pro.limit_list(ts_code=stock_code, trade_date='20220110', limit_type='U', fields='ts_code')

    # 获取股票涨幅数据
    price_change = (data_today['close'].values - data_today['close'].values[0]) / data_today['close'].values[0] * 100

    # 判断 k 线数据是否符合选股条件
    dif_today, dea_today, macd_today = ta.MACD(close_price, fastperiod=12, slowperiod=26, signalperiod=9)
    am_volume = data_today['vol'].values[0] / 2
    pm_volume = pro.moneyflow(ts_code=stock_code, start_date='20220110', end_date='20220110')['vol2'].values[0]

    if macd_today[-1] > 0 and am_volume / pm_volume > 1.3 and len(data_limit) > 2:
        result.append((price_change[0], stock_code))

result.sort(reverse=True)
result = [x[1] for x in result]

# 获取选股股票所属的行业和企业性质
company_property = {'stock_code1': 'industry1', 
                    'stock_code2': 'industry2'}
result = [code for code in result if code in company_property.keys()]

print(result)

注：该代码仅供参考，真实情况中需要根据自己的实际需求进行调整。

    ## 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)

(同花顺量化)10天内涨停天数大于2_、外盘除内盘大于1