问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，周线MACD在零轴之上。
选股逻辑分析
该选股逻辑在基础选股策略的基础上，加入了周线MACD在零轴之上的因素。这意味着，选股策略更侧重于趋势的确认，并考虑长期资金的布局情况，以及一定程度上的投资者情绪。
有何风险？
该选股策略可能在一定程度上忽略了当前市场的整体情况，也可能会存在因为MACD的滞后性导致选股不够敏锐，选出的股票不能够及时获得收益的风险。
如何优化？
该选股策略可以在考虑周线MACD在零轴之上的同时，更多地结合其他技术指标和基本面情况，以及当前市场整体的走势和情况，以更全面的视角考虑选股。另外，也可以尝试使用机器学习算法，探索更多的有效信息和趋势，以获得更好的选股效果。
最终的选股逻辑
基于以上分析，我们可以综合考虑价格走势、基本面数据和资金流入等因素的选股策略如下：
1、振幅大于1；
2、底部抬高；
3、周线MACD在零轴之上；
4、相应基本面数据符合要求。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
C1: AMP()>1;
C2: BOTTOM(HIGH,C1)>BOTTOM(HIGH,C1+1);
C3: CROSS(MACD(12,26,9),'ZERO');
SELECTOR:=C1 AND C2 AND C3;
RESULT:=SELECTOR;
Python代码参考
以下是Python实现该选股逻辑的部分代码：
# 考虑周线MACD在零轴之上
selected_stocks = (sdf['amp'] > 1) & \
(sdf['low'].rolling(window=C1).apply(lambda x: (np.argmax(x[-C1:]) == C1 - 1) and (np.argmax(x[:-C1]) < np.argmax(x[-C1:])), raw=False)) & \
(sdf['macd_diff'] > 0) & \
(相应基本面数据符合要求)
# 返回选中股票的代码
return selected_stocks['symbol'].tolist()
综合考虑价格走势、基本面数据和资金流入等因素，我们可以使用Python编写较为完整且可行的选股策略，通过动态调整参数和指标规则，可以获得更好的选股效果。
## 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。
