问财量化选股策略逻辑
本选股策略选取振幅大于1、下午大单净流入，周线MACD在零轴之上的股票作为选股标准，选取结果中的个股作为投资标的。
选股逻辑分析
本选股策略同样从技术面出发，选取振幅大于1, 下午大单净流入,周线MACD在零轴之上三个指标来作为参考。振幅可以反映出当前股票波动性，下午大单净流入和MACD在零轴之上可以反映市场的情绪和股票的上涨动能。同时，我们关注周线成交量和RSI，衡量当前股票被市场看好的程度和流动性，初步筛选具有上涨潜力的股票。
有何风险？
本选股策略同样是纯基于技术指标进行选股，并未考虑公司基本面及整体市场的宏观因素。因此，选股结果会受到市场情绪等影响，存在一定风险。
如何优化？
应该综合考虑该股票所处行业、市场的整体环境、公司的基本面情况等信息，透过技术面和基本面相结合的方法来进行选股。同时，可以加入一定的风险控制手段，如止损和移动止盈等。
最终的选股逻辑
本选股策略选取振幅大于1、下午大单净流入，周线MACD在零轴之上的股票作为选股依据，包括考虑到周线成交量和RSI等指标，从而更好地挖掘具有上涨潜力的股票。在选股过程中需要综合考虑该股票所处行业、市场的整体环境、公司的基本面情况等信息，透过技术面和基本面相结合的方法进行选股。
同花顺指标公式代码参考
振幅大于1: (HIGH-LOW)/PRE_CLOSE > 0.01
下午大单净流入: C - O > (0.005 * V - MA(V, 3)) / 10000
MACD在零轴之上: MACD()>0 && MACD()-DEA()>0
python代码参考
# 引入Tushare库、Numpy库、Pandas库
import tushare as ts
import numpy as np
import pandas as pd
from talib import abstract
# 连接Tushare库
pro = ts.pro_api()
def select_stocks(n):
selected_stocks = []
# 全部股票
all_stocks = pro.stock_basic(exchange='', list_status='L', fields='ts_code')
for ts_code in all_stocks["ts_code"]:
# 获取股票数据
k_data = pro.klines(ts_code=ts_code, start_date='3 year ago', end_date='today', freq='W')
macd = abstract.MACD(k_data["close"]) # MACD指标
if ((k_data["high"] - k_data["low"]) / k_data["pre_close"]).all() > 0.01 and \
(k_data["close"] - k_data["open"]) > (0.005 * k_data["vol"] - MA(k_data["vol"], 3)) / 10000 and \
(macd[0]>0).all() and (macd[0]-macd[1]>0).all():
selected_stocks.append(ts_code)
if len(selected_stocks) == n:
break
return selected_stocks
其中，MA()函数为计算指定日数的移动平均值。由于talib库中已经包含了MACD指标的计算方法，因此在代码中直接调用了talib库中的MACD()函数。
## 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。
