问财量化选股策略逻辑
选股逻辑为：元宇宙行业，圆弧形形态，15分钟周期MACD绿柱变短。
选股逻辑分析
该选股策略综合考虑了行业、形态以及技术指标因素，筛选出符合条件的元宇宙圆弧形态绿柱变短的股票，可以在一定程度上提高选股命中率。
有何风险？
该选股逻辑的风险在于过于追求技术指标，有可能忽略了公司基本面、行业前景等因素的影响，并且短期内技术指标变化频繁，可能产生较大的波动性。
如何优化？
可以在原有逻辑基础上加入其他的技术指标或者基本面因素，例如RSI、MACD、PE、PB等指标，更全面地评估股票的综合表现。同时加入风险控制因素，例如人为干预、风险警示等，以规避风险。
最终的选股逻辑
选股逻辑为：元宇宙行业，圆弧形形态，15分钟周期MACD绿柱变短，同时考虑股票的基本面、技术面以及风险控制因素等。
同花顺指标公式代码参考
通达信代码：
SELECT C.SECODE FROM (SELECT SECODE FROM MARKET WHERE
HY = 'C010103'
AND (HIGH-OPEN)/OPEN > 0.01
AND (LOW-OPEN)/OPEN > 0.01
AND (HIGH-LOW)/OPEN > 0.03
AND SSTYPE != 6
AND REF(MACD(12,26,9),13) - MACD(12,26,9) > REF(MACD(12,26,9),14) - MACD(12,26,9)
ORDER BY TURNOVER DESC) C
WHERE MA(CLOSE,5) > MA(CLOSE,10)
AND LLV(LOW,20) == LOW;
其中，SSTYPE表示板块类型，6表示科创板。
python代码参考
import tushare as ts
import talib
def get_stock_data():
gg_stocks = ts.get_zz500s()
gg_stocks = gg_stocks[gg_stocks['industry'] == '元宇宙']
df_today = ts.get_today_all()
df_today = df_today[df_today['code'].isin(gg_stocks['code'])][['name', 'code', 'industry', 'sstype']]
# 选出圆弧形形态和MACD绿柱变短的股票
close_data = ts.get_hist_data(df_today['code'][0], '15')
macd, signal, hist = talib.MACD(close_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if hist[-2] > hist[-1]:
df_today = df_today[(abs((df_today['high']-df_today['open'])/df_today['open']) > 0.01)
& (abs((df_today['low']-df_today['open'])/df_today['open']) > 0.01)
& (abs((df_today['high']-df_today['low'])/df_today['open']) > 0.03)
& (df_today['sstype'] != 6)]
else:
df_today = pd.DataFrame()
# 选出符合条件的股票
res = df_today[['name', 'code', 'industry']]
return res
print(get_stock_data())
## 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。
