Ⅰ 通達信量化選股公式
通達信的選股公式為xg:v>ref(v，1)*2 and c>ref(c，1)。公式的定義為今天的量大於等於昨天量的2倍，股價上漲。此公式的使用說明有以下幾點：1、五行量化指標（淺灰色實心空心方格）：實心代表趨勢走好，空心代表趨勢走壞；2、操盤動力線指標（黃金線）：短線靈敏指標，低位拐頭向上可跟進，高位拐頭向下要警惕，附有高低位買賣提示；3、海洋狀態指標（綵帶）：綵帶顏色代表短中期多空趨勢，低位轉紅可跟進，高位變色宜減倉、清倉。
量化選股的方法
1、多因素模型(Multiple-factor regression)
多因素模型將那些引起證券價格聯動的因素直接加入到收益率公式之中，然後開發基於這些因素的模型，簡化投資組合分析所要求的關於證券之間相關系數的輸入。模型效果的好壞主要取決於因素的選取，即那些被選定的因素是否足以證明，證券收益率之間聯動效應的根源在於那些因素對各證券的共同影響。
2、動量反轉選股
有效市場假說分三個層次，分別為弱有效市場、 半強有效市場、 強有效市場分別代表價格反映了歷史信息、公開信息和全部信息。
動量效應(Momentum Effect)指的是投資策略或組合的持有期業績方向和形成期業績方向一致的股價波動現象;
而反轉效應(ContrarianEffect)則指的是投資策略或組合的持有期業績方向和形成期業績方向相反的股價波動現象。
3、分類和回歸樹(Classification and regression tree)
分類和回歸樹是數據挖掘技術的一種，以遞歸分割技術為基礎(常用於制葯學的研究)，包括分類樹和回歸樹：分類樹產生定性輸出，回歸樹處理定量輸出。
4、神經網路(Neural networks)
因為股市的建模與預測所處理的信息量往往十分龐大，因此對演算法有很嚴格要求，它的非線性動力學特性也非常復雜，所以一般傳統的方法對於股市的預測往往難如人意。人工神經網路不僅具有大規模並行模擬處理、網路全局作用和非線性動力學等特點，而且有很強的自適應、自學習以及容錯能力，具備傳統的建模方法所不具有的許多優點，其可以不必事先知道有關被建模對象的參數、結構以及動態特性等方面的知識， 對被建模對象經驗知識要求不高。 而只需給出對象的輸入和輸出數，通過網路本身的學習功能即可實現輸入和輸出之間的映射。
Ⅱ 你好，通達信MACD指標
通達信MACD徐小明定量結構指標公式（分類：指標源碼）通達信MACD定量結構指標是MACD稱為指數平滑移動平均線，是從雙指數移動平均線發展而來的，由快的指數移動平均線（EMA12）減去慢的指數移動平均線（EMA26）得到快線DIF，再用2×（快線DIF-DIF的9日加權移動均線DEA）得到MACD柱