问财量化选股策略逻辑
选股逻辑为振幅大于1，10天内涨停天数大于2，15分钟周期MACD绿柱变短。将选股逻辑作为第一个段落放入标题为 ## 问财量化选股策略逻辑 的段落中。
选股逻辑分析
该选股策略基于以下几个条件来筛选股票：
- 振幅大于1，说明该股票存在较大波动性，有更高的交易机会；
- 10天内涨停天数大于2，说明该股票存在一定的热度；
- 15分钟周期MACD绿柱变短，可能代表该股票近期出现一定的调整和止跌迹象。
有何风险？
该选股逻辑可能存在以下风险：
- 忽略股票的基本面和市场行情等因素，可能导致选股不够全面和准确；
- MACD绿柱变短不一定代表该股票即将反弹或企稳上升，可能存在其他因素导致短期调整。
如何优化？
为降低以上可能产生的风险，可以考虑以下优化措施：
- 加入股票基本面和市场行情等因素，综合选股；
- 结合其他技术指标或量价分析来确认股票走势；
- 适当放宽或加强选股条件，根据实际情况进行灵活调整。
最终的选股逻辑
经过上述优化，得到以下完善版的选股策略：
- 振幅大于1，10天内涨停天数大于2，15分钟周期MACD绿柱变短；
- 加入股票基本面和市场行情等因素，综合选股；
- 结合其他技术指标或量价分析来确认股票走势；
- 适当放宽或加强选股条件，根据实际情况进行灵活调整。
注：以上选股策略仅供参考，具体可以根据实际需求和风险承受能力进行调整。
同花顺指标公式代码参考
以下是同花顺的相关代码：
/* 将具体选股条件填充至筛选公式中 */
SELECT
/* 振幅大于1，10天内涨停天数大于2，15分钟周期MACD绿柱变短 */
(HIGH-LOW)/REF(CLOSE,1)*100 >= 1 AND COUNT(IF(HIGH==REF(HIGH,1) LIMIT 1), 10) > 2 AND
SELECTED_MACD()-.75*(REF(SELECTED_MACD(),1)+SELECTED_MACD()<REF(SELECTED_MACD(),2)+REF(SELECTED_MACD(),3))<REF(SELECTED_MACD(),1)-REF(SELECTED_MACD(),2)
LIMIT 10
注：以上代码需要在同花顺的选股界面中进行填充，其中SELECTED_MACD为同花顺自带的函数，用于获取15分钟周期的MACD指标，具体使用方法可以参考同花顺的使用说明。
python代码参考
以下是python代码的参考：
import baostock as bs
import talib
import pandas as pd
from datetime import datetime, timedelta
def stock_selection():
#### 登陆系统 ####
lg = bs.login()
#### 获取股票基本信息 ####
rs_basic_info = bs.query_stock_basic()
#### 获取数据 ####
selected_code = []
for code in rs_basic_info[(rs_basic_info['marketType']=='沪A')|(rs_basic_info['marketType']=='深A')]['code'].tolist():
#### 获取行情数据 ####
rs_data = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume",
start_date=datetime(2021, 1, 1).strftime('%Y-%m-%d'),
end_date=datetime(2021, 12, 31).strftime('%Y-%m-%d'),
frequency="d", adjustflag="3")
data = rs_data.get_data()
if len(data) == 0:
continue
#### 获取15分钟周期MACD数据 ####
rs_data_15m = bs.query_history_k_data_plus(code, "date,open,high,low,close,volume",
start_date=datetime(2022, 1, 1).strftime('%Y-%m-%d'),
end_date=datetime.now().strftime('%Y-%m-%d'),
frequency="15", adjustflag="3")
data_15m = rs_data_15m.get_data()
if len(data_15m) == 0:
continue
macd_15m, signal_15m, hist_15m = talib.MACD(data_15m['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
condition3 = hist_15m[-1] < hist_15m[-2]
#### 获取股票基本面数据 ####
rs_stocks = bs.query_stock_basic(code)
stocks = rs_stocks.get_data()
if len(stocks) == 0:
continue
#### 计算选股条件 ####
condition1 = (data['high']-data['low']).iloc[-1]/data['close'].iloc[-1]*100 > 1
condition2 = len(data[data['pctChg']>9.8]) > 2
#### 判断是否满足条件 ####
if condition1 and condition2 and condition3:
selected_code.append(code)
#### 登出系统 ####
bs.logout()
return selected_code
注：以上python代码需要安装baostock、talib、pandas等库，仅供参考，具体根据实际需求和风险承受能力进行调整。
## 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。
