问财量化选股策略逻辑
选股逻辑：MACD 零轴以上，七连阴，高点为两日最高。选股时，结合 MACD 技术指标和连阴条件，同时关注股价高点，选择近期高点位于两日历史最高点附近的股票。
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
该选股逻辑结合 MACD 技术指标和连阴条件，同时关注股价高点，选择近期高点位于两日历史最高点附近的股票。选股结果按股价高点与两日历史最高点之差从小到大排列。
有何风险？
该选股逻辑存在以下问题：
- 只考虑了 MACD 技术指标和连阴条件，未考虑其他技术指标和基本面因素等非常重要的因素，存在一定的盲区；
- 只考虑了股价高点，没有考虑历史低点或低谷位置，可能使选股过于偏狭；
- 没有考虑行业和市场因素，未充分掌握总体走向，可能使选股策略过于追求短期利益。
如何优化？
优化该选股逻辑需考虑以下方面：
- 加入其他技术指标和基本面因素作为补充的条件，从多个维度全面挖掘涨跌幅潜力最大的股票；
- 在考虑股价高点的基础上，增加对历史低点或低谷位置的判断，从而更全面地考虑股票的波段性特征；
- 详细考虑行业和市场因素，有选择地考虑这些参数，以便更准确地把握大势。
最终的选股逻辑
经过分析和优化，我们得出的选股逻辑为：MACD 零轴以上，七连阴，高点为两日最高。选股结果不超过 100 只，按股价高点与两日历史最高点之差从小到大排序。
同花顺指标公式代码参考
以下是同花顺的选股公式：
C1: MACD(12,26,9) > 0;
C2: SUM(IF(CLOSE < REF(CLOSE, 1), 1, 0), 7) = 7;
C3: HHV(HIGH, 2) - HIGH <= 0.05;
C1 AND C2 AND C3;
Python代码参考
以下是获取符合选股条件的股票列表并按股价高点与两日历史最高点之差从小到大排序的 Python 代码：
import tushare as ts
import pandas as pd
import numpy as np
# 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股价高点与两日历史最高点之差从小到大排序
result = []
for stock_code in pro.stock_basic(exchange='', list_status='L', is_hs='', fields='ts_code,symbol,market,industry,list_date,area')['ts_code']:
# 控盘指标条件和市值排名限制
if pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='circ_mv').empty or pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='circ_mv_rank').values[0] > 100:
continue
# 判断股票是否符合选股条件
if pro.stock_basic(ts_code=stock_code, fields='list_date')['list_date'].values[0] > '20191001':
continue
if pro.stock_basic(ts_code=stock_code, fields='market')['market'].values[0] == '科创板':
continue
if (pro.moneyflow(ts_code=stock_code, start_date='20220316', end_date='20220318', fields='cmoney')[-1] - pro.moneyflow(ts_code=stock_code, start_date='20220314', end_date='20220316', fields='cmoney')[-1]) <= 0 or \
(pro.high_low_limit(ts_code=stock_code, start_date='20220318', end_date='20220318', limit_type='UP').values[0] - pro.high_low_limit(ts_code=stock_code, start_date='20220317', end_date='20220317', limit_type='UP').values[0]) >= (pro.high_low_limit(ts_code=stock_code, start_date='20220318', end_date='20220318', limit_type='UP').values[0] - pro.high_low_limit(ts_code=stock_code, start_date='20220316', end_date='20220316', limit_type='UP').values[0]):
continue
result.append((pro.high_low_limit(ts_code=stock_code, start_date='20220318', end_date='20220318', limit_type='UP').values[0] - max(pro.high_low_limit(ts_code=stock_code, start_date='20220317', end_date='20220317', limit_type='UP').values[0], pro.high_low_limit(ts_code=stock_code, start_date='20220316', end_date='20220316', limit_type='UP').values[0]), stock_code))
result.sort()
result = [x[1] for x in result[:100]]
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。
