问财量化选股策略逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、MACD零轴以上。该选股策略综合考虑了波动性、短期涨幅和技术指标。
选股逻辑分析
该选股逻辑综合考虑了个股的波动性、短期走势和技术指标，通过筛选振幅大于1、9点25分涨幅小于6%的标的股，进一步使用MACD指标进行筛选，挑选MACD零轴以上的标的股，有利于更准确判断买卖时机。
有何风险？
该选股逻辑可能忽略了个股长期趋势和基本面情况的影响，特别是MACD指标过于依赖短期技术指标，可能会对个股长期趋势判断存在一定局限性。
如何优化？
可以综合运用多种技术指标，如MA、KDJ等，综合考虑个股的长期趋势和短期走势，确定股票的买卖时机。同时，为了更加精准，还可以对振幅指标进行细化和加强，例如引入最高价和最低价进行计算，更加准确地衡量个股的波动性。
最终的选股逻辑
选股逻辑为：振幅大于1、9点25分涨幅小于6%、MACD零轴以上。该选股策略从波动性、短期涨幅和技术指标三个方面考虑，可以更准确地判断股票的买卖时机。
同花顺指标公式代码参考
FZ_RANGE > 1 AND (LAST<=LAST[1]*1.06 OR HIGH-LAST>=HIGH*0.03) AND (MACD()>0)
其中，FZ_RANGE表示振幅大小，LAST表示当天的收盘价，LAST[1]表示前一天的收盘价，HIGH表示当天股票的最高价。使用MACD()函数来计算MACD指标，判断是否零轴以上。通过以上指标查找符合条件的股票。
Python代码参考
import tushare as ts
from datetime import datetime, timedelta
def get_selected_stocks():
pro = ts.pro_api()
selected_stocks = []
for ts_code in pro.stock_basic(exchange='', list_status='L', fields='ts_code').ts_code:
# 振幅大于1
k_data = pro.daily(ts_code=ts_code, start_date=(datetime.now()-timedelta(days=30)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,high,low,close')
highest_price = k_data['high'][0]
lowest_price = k_data['low'][0]
for idx, k in k_data.iterrows():
if idx > 5:
break
if k['high'] >= highest_price:
highest_price = k['high']
if k['low'] <= lowest_price:
lowest_price = k['low']
if highest_price / lowest_price <= 1:
continue
# 9点25分涨幅小于6%
tick_data = pro.tick(ts_code=ts_code, date=datetime.now().strftime('%Y%m%d'))
current_price = tick_data[tick_data['time'] == '09:25:00']['price'].values[0]
pre_close = pro.daily(ts_code=ts_code, start_date=(datetime.now()-timedelta(days=6)).strftime('%Y%m%d'), end_date='', fields='ts_code,trade_date,close', freq='1D').iloc[1]['close']
if current_price / pre_close >= 1.06:
continue
# MACD零轴以上
macd_data = pro.index_daily(ts_code='399001.SZ', start_date=(datetime.now()-timedelta(days=30)).strftime('%Y%m%d'), end_date='', fields='trade_date,close')
ema12 = macd_data['close'].ewm(span=12).mean()
ema26 = macd_data['close'].ewm(span=26).mean()
diff = ema12 - ema26
dea = diff.ewm(span=9).mean()
macd = 2*(diff - dea)
if macd.iloc[-1] < 0:
continue
selected_stocks.append(ts_code)
return selected_stocks
其中，在Python代码中，通过使用tushare库获取股票数据，进而筛选符合条件的股票。通过振幅指标判断个股波动性情况，引入当前价格和前日收盘价计算出短期涨幅，使用MACD指标判断买卖时机。通过以上指标查找符合条件的股票。
## 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。
