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，近25个交易日有单日涨幅大于等于百分之10。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
该选股逻辑在 MACD 指标和量价关系基础上，加入了近期单日涨幅条件，并按个股涨幅从高到低排序，以达到更高的盈利。
有何风险？
该选股逻辑存在以下风险：
- 受股票市场影响较大，股票波动较大，存在较高的投资风险；
- MACD 指标可能存在滞后性，选出的结果可能会有一定时间延迟；
- 单日涨幅条件过于严格，可能会错过一些潜力股；
- 过分倾向于近期涨幅较大的股票，可能会出现短期内大涨后大跌的情况；
如何优化？
以下是该选股策略的优化建议：
- 引入更多基本面数据和宏观经济数据，以考虑公司经营状况、行业前景以及宏观风险等多个方面的因素；
- 加入更多的技术指标，如均线、波动率等，以提高选股精度；
- 关注长期涨幅，适量降低单日涨幅条件，以发现更多潜力股；
- 采用风险控制手段，如止损，以防止短时间内大涨后大跌的情况。
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，外盘/内盘大于1.3，近25个交易日有单日涨幅大于等于百分之10。在符合以上选股条件的股票中，按个股长期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
以下是同花顺中以 MACD 和单日涨幅为基础的选股公式：
C1:=MA(((CLOSE/REF(CLOSE,1)-1)*100>10),25);
SELECT(SUBSTR(SYMBOL,0,2) != "60"
AND MACD(CLOSE,SHORT,LONG)>0
AND TDXVOL/DDIVOL >= 1.3
AND C>=Y
AND C1,
SYMBOL);
注：其中，SHORT、LONG 等参数需要根据实际情况进行调整。
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 numpy as np
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,area,concept')['ts_code']:
# 控盘指标条件和市值限制
if pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='circ_mv')['circ_mv'].values[0] < 100000000 or (pro.daily(ts_code=stock_code, start_date='20220301', end_date='20220318')['high'] - ta.MAX(pro.daily(ts_code=stock_code, start_date='20220301', end_date='20220318')['close'], 2)).iloc[-1] < 0:
continue
# 获取股票涨跌幅数据
data = pro.daily(ts_code=stock_code, start_date='20220101', end_date='20220318', fields='trade_date,close')
if data.empty:
continue
rise_pct = (data['close'].pct_change() * 100).rolling(window=25, min_periods=1).apply(lambda x: (x>=10).sum())
# 判断股票是否符合选股条件
close_price = data['close'].values
dif, dea, macd = ta.MACD(close_price)
if macd[-1] <= 0 or rise_pct.iloc[-1] == 0:
continue
result.append((rise_pct.iloc[-1], stock_code))
result.sort(reverse=True)
result = [x[1] for x in result]
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。
