使用Python编写MTM指标选股代码，可以按照以下步骤进行：
收集股票数据
可以使用`pandas`库来读取和处理股票数据，例如从CSV文件或在线API获取数据。
编写计算逻辑
计算MTM（Moving Average of Price Change）和MTMMA（Moving Average of MTM）的值。
根据特定条件筛选股票，例如MTM值后一波的低点值大于前一波值的低点值，并且二波之间，MTM值要有一次过零的一波。
图表展示
使用`matplotlib`或`plotly`等库来绘制股票价格和MTM指标的图表。
```python
import pandas as pd
import matplotlib.pyplot as plt
假设我们有一个包含股票数据的DataFrame，列包括日期、开盘价、最高价、最低价、收盘价
data = {
'Date': pd.date_range（start='1/1/2020', periods=100）,
'Open': range（100, 1100, 10）,
'High': range（100, 1100, 10）,
'Low': range（10, 110, 10）,
'Close': range（100, 1100, 10）
}
df = pd.DataFrame（data）
计算MTM和MTMMA
df['MTM'] = df['Close'].diff（12） MTM = Close - REF（Close, 12）
df['MTMMA'] = df['MTM'].rolling（window=6）.mean（） MTMMA = MA（MTM, 6）
筛选条件：后一波的低点值大于前一波的低点值，并且MTM值要有一次过零
df['Low_1'] = df['Low'].shift（1）
df['Low_2'] = df['Low'].shift（2）
df['MTM_Zero_Cross'] = （df['MTM'] < 0） & （df['MTM'].shift（1） >= 0）
应用筛选条件
filtered_df = df[（df['Low_2'] > df['Low_1']） & df['MTM_Zero_Cross']]
选股结果
selected_stocks = filtered_df[['Date', 'Close', 'MTM', 'MTMMA']]
绘制图表
plt.figure（figsize=（14, 7））
plt.plot（selected_stocks['Date'], selected_stocks['Close'], label='Close Price'）
plt.plot（selected_stocks['Date'], selected_stocks['MTM'], label='MTM'）
plt.plot（selected_stocks['Date'], selected_stocks['MTMMA'], label='MTMMA'）
plt.title（'MTM and MTMMA Chart'）
plt.xlabel（'Date'）
plt.ylabel（'Price'）
plt.legend（）
plt.show（）
```
建议
数据来源：
确保数据来源的可靠性和准确性，可以使用专业的金融数据提供商API。
错误处理：
在实际应用中，添加适当的错误处理和异常捕获，以确保代码的健壮性。
优化性能：
对于大量数据，考虑使用更高效的数据处理方法和库，例如`Dask`或`Vaex`。
测试和验证：
在实际应用前，对代码进行充分的测试和验证，确保其正确性和稳定性。
通过以上步骤和代码示例，你可以编写一个基于MTM指标的选股程序，并根据特定条件筛选出符合条件的股票。