问财量化选股策略逻辑
选股逻辑：振幅大于1,周线红柱,前天MACD<0。
选股逻辑分析
该选股策略主要基于技术面指标进行选股，采用振幅大于1和周线红柱过滤掉无趣股票，前天MACD<0用来判断股票的趋势性，是否开始向下调整。虽然该策略简单明了，但是忽略了公司基本面情况等重要因素，容易产生过度拟合情况。
有何风险？
该选股策略的主要风险在于排除了大量股票，忽略了公司基本面情况等重要因素，容易产生过度拟合的情况。此外，基于技术面指标进行选股存在失灵的风险，需要合理权衡各类因素。
如何优化？
选股策略可以考虑加入公司基本面因素和市场因素等其他因素综合考虑，同时可以采用机器学习等方法进行模型优化，尽可能避免过度拟合现象。此外，基于技术面指标进行选股需要注意行业因素和情绪波动等市场信息的影响，及时调整策略。
最终的选股逻辑
为了更全面地考虑各类因素，选股策略可以采用以下指标：
- 振幅大于1；
- 周线为红柱；
- 前一个交易日的MACD值小于0；
- 不限制近期涨停股票的筛选；
- 考虑股票的市场热度和资金流向等市场因素；
- 加入公司基本面指标，如EPS、ROE和PEG等。
同花顺指标公式代码参考
以下是同花顺实现该策略的部分指标公式代码：
C1 = AMP() > 1;
C2 = WEEKLY(COLOR(MACD(12, 26, 9), RED)) > 0;
C3 = CROSS(-1, REF(MACD(12, 26, 9), -2)) > 0;
SELECTOR = C1 AND C2 AND C3;
RESULT = REF(SORT(RANK(SELECTOR AND CAPITALIZATION ),1),0) == 0;
Python代码参考
以下是Python实现该策略的部分代码：
def select_stocks():
selected_stocks = []
for stock in get_all_securities(types=['stock']).index:
c1 = get_price(stock, count=1, end_date=datetime.now(), frequency='1d', fields='amplitude')[0] > 0.01
c2 = get_macd(stock, count=1, unit='1w', include_now=True, fillna=True)['macdhist'][-1] > 0
c3 = False
macd = get_macd(stock, count=3, fields=['DIF', 'DEA', 'MACD'], include_now=True, fillna=True)
if len(macd) == 3 and macd['MACD'][0] < 0 and macd['MACD'][1] > 0:
c3 = True
if c1 and c2 and c3:
selected_stocks.append(stock)
return selected_stocks
result = select_stocks()
print(result)
以上Python代码仅供参考，具体实现还需要结合自身需求进行调整。
## 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。
