问财量化选股策略逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，15分钟周期MACD绿柱变短。
选股逻辑分析
该选股逻辑在MACD指标和均线指标的基础上，增加了15分钟周期MACD绿柱变短的信号，以更及时地反映股票走势。同时，结合了技术分析和市场情况分析，提高了选股准确率。
有何风险？
- MACD指标和均线指标仅反映了股票价格趋势，无法预测市场大势；
- 15分钟周期较短，可能存在随机波动；
- 难以确定选股条件的权重分配，结果可能偏离预期。
如何优化？
- 加强基本面研究，及时获取重要市场消息；
- 考虑加入其他技术分析指标，如RSI和KDJ等；
- 优化选股条件的权重分配，提高模型预测能力。
最终的选股逻辑
选股逻辑为MACD零轴以上，今日均线向上发散，15分钟周期MACD绿柱变短，同时加入更多基本面因素分析，提高选股的准确性和稳定性。
同花顺指标公式代码参考
MACD指标：
DIF:EMA(CLOSE,12)-EMA(CLOSE,26)
DEA:EMA(DIF,9)
MACD:(DIF-DEA)*2
均线指标：
MA5:MA(CLOSE,5)
MA10:MA(CLOSE,10)
15分钟MACD绿柱变短：
CLOSE_L:C/REF(C,1)
DIF_L:EMA(CLOSE_L,12)-EMA(CLOSE_L,26)
DEA_L:EMA(DIF_L,9)
MACD_L:(DIF_L-DEA_L)*2
绿柱_L:MACD_L-REF(MACD_L,1)
python代码参考
以下为python的股票筛选代码，仅供参考：
import akshare as ak
import pandas as pd
# 获取股票历史行情数据
df = ak.stock_zh_a_hist_sina("sh000001")
# 计算MACD指标
ema12 = df['close'].ewm(span=12).mean()
ema26 = df['close'].ewm(span=26).mean()
DIF = ema12 - ema26
DEA = DIF.ewm(span=9).mean()
MACD = (DIF - DEA) * 2
# 计算均线指标
ma5 = df['close'].rolling(5).mean()
ma10 = df['close'].rolling(10).mean()
# 计算15分钟MACD指标
df_15min = ak.stock_zh_a_hist_minute_sina("sh000001", period="15")
close_l = df_15min['close'] / df_15min['close'].shift(1)
ema12_l = close_l.ewm(span=12).mean()
ema26_l = close_l.ewm(span=26).mean()
DIF_l = ema12_l - ema26_l
DEA_l = DIF_l.ewm(span=9).mean()
MACD_l = (DIF_l - DEA_l) * 2
green_bar_l = MACD_l - MACD_l.shift(1)
# 筛选MACD零轴以上
condition1 = MACD > 0
# 筛选今日均线向上发散
condition2 = (ma5 > ma10) & (ma5.shift(1) < ma10.shift(1))
# 筛选15分钟MACD绿柱变短
condition3 = green_bar_l < green_bar_l.shift(1)
# 结合所有条件
all_conditions = condition1 & condition2 & condition3
# 输出选股结果
stock_list = df[all_conditions]['code']
## 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。
