问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、反包、15分钟周期MACD绿柱变短的股票中选择。
选股逻辑分析
该选股逻辑在换手率和反包的基础上增加了对15分钟周期MACD绿柱长度的条件，通过技术面指标来选取潜在的好股票。
有何风险？
该选股策略仍然对市场情绪敏感，并且仅仅依赖于技术面指标来选股，容易忽略一些潜在的价值股票。
如何优化？
为了更全面地考虑股票的价值，在选股时可结合基本面和技术面指标，同时也要考虑股票所处的行业和市场环境等因素，以帮助优化选股策略。
可以根据不同的市场环境和行业特点进行灵活调整。
最终的选股逻辑
选股条件为：在换手率3%-12%、反包、15分钟周期MACD绿柱变短的股票中选择。
同花顺指标公式代码参考
选股条件：turnover_rate>=3 AND turnover_rate<=12 AND STRFK("88,A,B,C,D,E,F,G") AND MACD(15,30,9)-REF(MACD(15,30,9),1)>=0 AND MACD(15,30,9)-REF(MACD(15,30,9),2)<0 ORDER BY CLOSE desc
选股结果：fml('turnover_rate>=3 AND turnover_rate<=12 AND STRFK("88,A,B,C,D,E,F,G") AND MACD(15,30,9)-REF(MACD(15,30,9),1)>=0 AND MACD(15,30,9)-REF(MACD(15,30,9),2)<0 ORDER BY CLOSE desc', 80)
其中，turnover_rate表示股票换手率，STRFK表示反包指标，MACD表示15分钟周期的MACD指标，使用了差离值和MA均线。
Python代码参考
import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()
# 筛选好股票函数
def select_good_stocks():
# 换手率3%-12%
df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate')
# 反包
df2 = pro.futures_sett_detail(trade_date='20220110', fields='ts_code,trade_date,settle_price,position_chg')
df2['pos_chg_ratio'] = df2['position_chg'] / df2['position']
df2['date'] = pd.to_datetime(df2['trade_date'])
df2 = df2[df2['date'] == '2022-01-10']
df3 = pd.merge(df1, df2[['ts_code', 'pos_chg_ratio']], on='ts_code', how='inner')
# 15分钟周期MACD绿柱变短
df4 = pd.DataFrame()
for ts_code in df3['ts_code']:
df5 = pro.fut_daily(ts_code=ts_code, start_date='20220106', end_date='20220110',freq='15min')
diff = df5['close'].ewm(span=12).mean() - df5['close'].ewm(span=26).mean()
dea = diff.ewm(span=9).mean()
macd = (diff - dea) * 2
if macd.iloc[-1] - macd.iloc[-2] >= 0 and macd.iloc[-1] - macd.iloc[-3] < 0:
df4 = df4.append(df3[df3['ts_code'] == ts_code])
df6 = df4[['ts_code', 'turnover_rate', 'pos_chg_ratio']]
df7 = pd.merge(df6, pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,close'), on='ts_code',
how='inner')
df8 = pd.merge(df7, pro.stock_basic(exchange='', list_status='L',
fields='ts_code,name,industry,pe,pb,total_mv,float_mv'), on='ts_code',
how='inner')
df8 = df8.round({'turnover_rate': 2, 'float_mv': 2})
return df8
good_stocks = select_good_stocks()
print(good_stocks)
## 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。
