(supermind)振幅大于1、流通盘小于等于55亿股、macd零轴以上_

问财量化选股策略逻辑

选股逻辑为振幅大于1、流通盘小于等于55亿股、MACD零轴以上的股票。

选股逻辑分析

1. 振幅大于1可以筛选出波动较大但有短期交易潜力的股票。
2. 流通盘小于等于55亿股可以筛选出小盘股，小盘股可能具有较高的风险和回报。
3. MACD零轴以上通常意味着股票处于上涨趋势中，有投资价值。

有何风险？

1. MACD指标存在滞后性，可能多次产生错误信号。
2. 过于短期化的指标可能忽视股票的长期趋势和基本面。

如何优化？

1. 与其他指标结合使用，综合判断股票的投资价值。
2. 根据不同股票的行业属性和特殊情况适当调整筛选指标。

最终的选股逻辑

选股逻辑为振幅大于1、流通盘小于等于55亿股、MACD零轴以上的股票，并结合其他指标进行综合分析。

同花顺指标公式代码参考

# 设置长短期EMA和DIF、MACD、OSC默认值
short = 12
long = 26
mid = 9
ema_short = 0
ema_long = 0
dif = 0
dea = 0
macd = 0
osc = 0

# 计算长短期EMA和DIF
ema_short = (2*close + (short-1)*ema_short) / (short+1)
ema_long = (2*close + (long-1)*ema_long) / (long+1)
dif = ema_short - ema_long

# 计算DEA和MACD
dea = (2*dif + (mid-1)*dea) / (mid+1)
macd = 2 * (dif - dea)

# 计算OSC
osc = macd - 0
picks_macd_above_zero = [i for i in range(len(osc)) if osc[i] > 0]

Python代码参考

# 计算每日MACD
short = 12
long = 26
mid = 9
df['ema_short'] = df['close'].ewm(span=short).mean()
df['ema_long'] = df['close'].ewm(span=long).mean()
df['dif'] = df['ema_short'] - df['ema_long']
df['dea'] = df['dif'].ewm(span=mid).mean()
df['macd'] = 2 * (df['dif'] - df['dea'])

# 挑选MACD零轴以上的股票
picks_macd_above_zero = df[df['macd']>=0].index.tolist()

# 获取振幅大于1
high = df['high']
low = df['low']
close = df['close']
amplitude = 100 * (high - low) / close
picks_amplitude = df[amplitude > 1].index.tolist()

# 获取流通盘小于等于55亿股
free_share = df['free_share']
picks_free_share = df[free_share <= 5500000000].index.tolist()

# 取交集
picks = list(set(picks_amplitude).intersection(set(picks_free_share)).intersection(set(picks_macd_above_zero)))

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)