问财量化选股策略逻辑
高点为两日最高,macd零轴以上,前日实际换手率>3～28
选股逻辑分析
这个策略的逻辑是基于技术分析和市场行为分析的。首先，它要求股票在最近两天内达到最高点，这表明股票价格已经上涨并且可能继续上涨。其次，它要求股票的macd指标位于零轴以上，这表明股票的短期和长期趋势都是向上的。最后，它要求股票的前日实际换手率在3%到28%之间，这表明股票的交易活跃度较高，可能有更多的机会。
有何风险？
这个策略的潜在风险是它可能过于依赖技术分析和市场行为分析，而忽略了其他重要的因素，例如公司的财务状况和行业前景。此外，如果股票的价格在短期内出现剧烈波动，这个策略可能会产生较大的误差。
如何优化？
为了优化这个策略，可以考虑加入更多的因素，例如公司的财务状况、行业前景、盈利能力等。此外，可以考虑使用更高级的技术分析工具来确定股票的高点和macd指标的位置，以提高策略的准确性。
最终的选股逻辑
最终的选股逻辑如下：
def select_stock():
# 获取所有A股股票的代码和名称
stocks = get_stocks()
# 初始化高点、macd零轴以上和实际换手率的列表
highs = []
macd_pos = []
actual_turnover = []
# 遍历所有股票
for stock in stocks:
# 获取股票的高点、macd指标和实际换手率
high = get_stock_high(stock)
macd = get_stock_macd(stock)
turnover = get_stock_turnover(stock)
# 将结果添加到列表中
highs.append(high)
macd_pos.append(macd[1])
actual_turnover.append(turnover)
# 将列表转换为DataFrame
df = pd.DataFrame({'high': highs, 'macd_pos': macd_pos, 'actual_turnover': actual_turnover})
# 过滤出符合条件的股票
df = df[(df['high'] > df['high'].shift(1)) & (df['macd_pos'] > 0) & (df['actual_turnover'] > 3) & (df['actual_turnover'] <
## 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。
