问财量化选股策略逻辑
选股逻辑为：在换手率3%-12%、机器人概念且流通市值小于100亿的股票中，选取15分钟周期MACD绿柱变短的股票。
选股逻辑分析
本选股逻辑在基本面选股的基础上，加入了技术面指标MACD，利用15分钟周期的MACD绿柱变短作为进一步筛选的条件，可以更有针对性地选择具有投资价值的股票。
有何风险？
选股逻辑中的技术指标需要具备一定的技术基础才能推导和解读，初学者容易解读错误或不适当的数据，导致选股受到影响。
如何优化？
除了基本选股条件外，可以结合其他技术指标如KDJ，RSI等指标进行综合分析，同时可以用不同的周期验证MACD指标，同时也需要结合公司财务和运营进行全面分析，以获得更准确的选股策略。
最终的选股逻辑
在选股条件为换手率3%-12%、选择机器人概念且流通市值小于100亿的股票中，选择15分钟周期MACD绿柱变短的股票。
同花顺指标公式代码参考
选股条件：换手率>=3 and 概念(机器人)==1 and 流通市值<=100000 and MACD(15,26,9).DIF<REF(MACD(15,26,9).DIF,1) AND MACD(15,26,9).DIF<MACD(15,26,9).DEA
选股结果：fml('换手率>=3 and 概念(机器人)==1 and 流通市值<=100000 and MACD(15,26,9).DIF<REF(MACD(15,26,9).DIF,1) AND MACD(15,26,9).DIF<MACD(15,26,9).DEA', 100)
python代码参考
import tushare as ts
import talib
ts.set_token('your_token')
pro = ts.pro_api()
def select_good_stocks():
# 换手率3%-12%
df1 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
df1 = df1[(df1['turnover_rate'] >= 3) & (df1['turnover_rate'] <= 12)]
df1 = df1[(df1['concept'].str.contains('机器人'))]
df1 = df1[(df1['float_mv'] <= 100000)]
stock_list = []
for code in df1['ts_code'].tolist():
df2 = pro.fut_daily(ts_code=code, start_date='20210812', end_date='20210825', freq='15min')
macd, macdsignal, macdhist = talib.MACD(df2['close'], fastperiod=12, slowperiod=26, signalperiod=9)
if macdhist[-1] > macdhist[-2]:
stock_list.append(code)
df1 = df1[df1['ts_code'].isin(stock_list)]
return df1
good_stocks = select_good_stocks()
print(good_stocks)
其中需要替换掉your_token为你的tushare token。
## 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。
