问财量化选股策略逻辑
选取MACD值在零轴以上、企业性质符合一定要求、15分钟周期MACD绿柱变短的股票。该策略主要从技术面和企业性质两方面入手，在保证企业性质的前提下，选取15分钟周期MACD指标绿柱变短的股票，并排除科技创新板的股票。
选股逻辑分析
该选股策略同样是结合了技术面和企业性质两个重要因素，强调了选取频率为15分钟的MACD指标绿柱变短的股票，在保证企业性质的前提下，排除了科技创新板的股票。这样可以更加精细地挑选技术面良好的股票。
有何风险？
该选股策略同样排除了科技创新板的股票，也意味着放弃了某些未来潜力股票的选择。同时，某些情况下，虽然MACD绿柱变短，但股票的基本面未必良好，需要加强基本面因素的考虑。
如何优化？
可以考虑在选股策略上加入股票的基本面因素，如流动性、财务状况、盈利能力等，来更全面地考虑股票的价值。同时，可以建立更加严格的选股条件，如加入股票所属行业等限制条件，来追求更为可靠和准确的选股效果。
最终的选股逻辑
选取MACD值在零轴以上、企业性质符合一定要求、15分钟周期MACD绿柱变短的股票。
同花顺指标公式代码参考
(MACD(12,26,9)>0) AND (SType!='B') AND (SType!='H') AND (SType!='K') AND (SType!='N') AND ((DIFF(M, 12, E) - DEA(M, 12, 26, 9, E)) < REF((DIFF(M, 12, E) - DEA(M, 12, 26, 9, E)), 1));
Python代码参考
import jqdatasdk as jq
from datetime import datetime, timedelta
from talib import abstract
jq.auth('账户名', '密码')
today = datetime.now().date()
start_date = (today - timedelta(days=180)).strftime("%Y-%m-%d")
q = jq.query(jq.finance.STK_CAPITAL_CHANGE).filter(jq.finance.STK_CAPITAL_CHANGE.M1 >= jq.finance.STK_CAPITAL_CHANGE.M2 >= jq.finance.STK_CAPITAL_CHANGE.M3)
df_change = jq.finance.run_query(q)
df_change = df_change[df_change['volume']>4000000][~df_change.index.isin(['000998.XSHE'])]
for stock_code in df_change.index.tolist():
stock_name = jq.get_security_info(stock_code).display_name
SType = jq.get_security_info(stock_code).start_date[:2]
if (SType!='B') & (SType!='H') & (SType!='K') & (SType!='N'):
q2 = jq.query(jq.finance.STK_INDUSTRY_INFO).filter(jq.finance.STK_INDUSTRY_INFO.code==stock_code)
industry = [x['name'] for x in jq.finance.run_query(q2)][0]
q3 = jq.query(jq.valuation).filter(jq.valuation.code==stock_code)
df_valuation = jq.finance.run_query(q3)
if len(df_valuation)>0:
jsl_today = jq.get_price(stock_code, start_date=today, end_date=today, frequency='daily', fields=['money'])[0][0]/df_valuation.capitalization[0]
df = jq.get_price(stock_code, start_date=start_date, end_date=today, frequency='15m', fields=['high','low','close'])
macd = abstract.MACD(df)
if (macd[2][-1]-macd[2][-2])<0:
print("(" + stock_code + ")" + stock_name + " 符合条件")
在Python代码中，先调用聚宽接口，获取不属于科技创新板、主升段起动的股票信息，筛选出符合条件的股票。然后对每一个股票，调用聚宽接口获取企业性质情况、所属行业、股票历史行情数据和市值数据，利用talib计算15分钟周期MACD指标，并判断绿柱是否变短，结合股票所属板块和MACD指标，判断是否符合选股条件，最后将符合条件的股票输出。
## 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。
