问财量化选股策略逻辑
选股逻辑：在 MACD 指标零轴以上、外盘/内盘大于 1.3、换手率在 3%-12% 范围内的个股中选择符合条件的股票进行选股。
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
该选股逻辑基于 MACD 指标、外盘/内盘指标和换手率指标，筛选出 MACD 状态良好、外盘买单较多、换手率在 3%-12% 范围内的个股，具有一定的选股准确性。换手率在一定范围内可以避免过度活跃的个股。
有何风险？
该选股逻辑存在以下风险：
- MACD 指标和外盘/内盘指标的数据容易受到市场情绪和主力操作的影响，可能具有一定的不确定性；
- 换手率的范围选择可能过于宽松，筛选出的个股整体表现不佳，从而影响选股结果；
- 选股时需要注意风格风格切换和周期投资，否则可能会出现选择不当的问题。
如何优化？
以下是该选股策略的优化建议：
- 综合利用多种技术指标进行综合分析，如 KDJ、均线、布林带等，降低选股风险；
- 加入基本面指标，如企业盈利、营收增长等进行分析，找到具备较高未来风险控制能力和业绩增长潜力的个股；
- 调整换手率范围选择，根据市场情况选取合适的值，以提高选股稳定性；
- 设定价格、市值、板块等限定条件，进一步筛选出符合要求的股票。
最终的选股逻辑
选股策略：在 MACD 指标零轴以上、外盘/内盘大于 1.3、换手率在 3%-12% 范围内的个股中选择符合条件的股票进行选股。
同花顺指标公式代码参考
以下是该选股逻辑中涉及到的通达信指标公式：
MACD 指标公式同上。
外盘、内盘可以使用以下代码进行计算：
外盘：VOL / (VOL + VOLH)
内盘：VOLH / (VOL + VOLH)
换手率的计算指标可以使用以下代码：
换手率：(VOL / TOT_TRD_VOL) * 100
寻找符合条件的股票可以参考以下筛选条件：
选股条件：MACD() > 0 AND VOL / (VOL + VOLH) > 1.3 AND (VOL / TOT_TRD_VOL) * 100 > 3 AND (VOL / TOT_TRD_VOL) * 100 < 12
通达信代码以60开头的选股筛选公式：
选股条件： MACD() > 0 AND VOL / (VOL + VOLH) > 1.3 AND (VOL / TOT_TRD_VOL) * 100 > 3 AND (VOL / TOT_TRD_VOL) * 100 < 12
Python代码参考
以下是获取符合选股条件的股票列表的 Python 代码：
import tushare as ts
import pandas as pd
import talib as ta
# 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
result = []
for stock_code in pro.stock_basic(exchange='', list_status='L', is_open='1', fields='ts_code,symbol')['ts_code']:
# 获取MACD指标
df_macd = pro.daily(ts_code=stock_code, start_date='20210101', end_date='20211231')
dif = ta.EMA(df_macd['close'].values, 12) - ta.EMA(df_macd['close'].values, 26)
dea = ta.EMA(dif, 9)
macd = (dif - dea) * 2
# 计算外盘、内盘等指标
df_base = pro.moneyflow(ts_code=stock_code, start_date='20210101', end_date='20211231')
volh = df_base['buy_sm_vol'].values
vol = df_base['buy_md_vol'].values + df_base['buy_lg_vol'].values + df_base['sell_md_vol'].values + df_base['sell_lg_vol'].values
# 计算换手率
df_trade = pro.daily_basic(ts_code=stock_code, start_date='20210101', end_date='20211231', fields='ts_code,turnover_rate')
turnover_rate = df_trade['turnover_rate'].values[0]
# 判断是否符合选股条件
if macd[-1] > 0 and vol[0] / (vol[0] + volh[0]) > 1.3 and turnover_rate > 3 and turnover_rate < 12:
result.append(stock_code)
print(result)
注：该代码仅供参考，真实情况中需要根据自己的需要进行调整。
## 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。
