(同花顺量化)15分钟周期MACD绿柱变短_、60开头的股票、至少5根均线重合的股票

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 60开头的股票
• 15分钟周期MACD绿柱变短

选股逻辑分析

这个策略的逻辑是基于技术分析和趋势跟踪。首先，选择至少5根均线重合的股票，这表明这些股票的短期和中期趋势可能相同。然后，选择60开头的股票，因为这些股票通常代表长期趋势。最后，选择15分钟周期MACD绿柱变短的股票，这表明市场正在转向多头。

有何风险？

这个策略的潜在风险是过于依赖技术分析和趋势跟踪，可能会忽略其他重要的基本面因素。此外，由于该策略只考虑短期和中期趋势，因此可能无法捕捉到长期趋势的变化。

如何优化？

为了优化这个策略，可以考虑添加其他基本面因素，例如公司的财务状况和盈利能力。此外，可以考虑使用更长的时间周期来分析趋势，例如日线或周线，以更好地捕捉长期趋势的变化。

最终的选股逻辑

def select_stock():
    # 选择至少5根均线重合的股票
    stock = get_stock_with_at_least_5_crossed_moving_average()
    
    # 选择60开头的股票
    stock = stock[stock.index.get_level_values(0).str.startswith('60')]
    
    # 选择15分钟周期MACD绿柱变短的股票
    stock = stock[stock['MACD'].apply(lambda x: x['MACD_line'] < x['signal_line'])]
    
    return stock

python代码参考

import talib

def get_stock_with_at_least_5_crossed_moving_average():
    # 获取所有股票的收盘价
    prices = get_prices()
    
    # 计算每只股票的5日、10日、20日、60日和120日均线
    moving_averages = talib.MA(prices, timeperiods=[5, 10, 20, 60, 120])
    
    # 选择至少5根均线重合的股票
    stock = prices.index[prices[moving_averages[0]] >= moving_averages[1] and prices[moving_averages[1]] >= moving_averages[2] and prices[moving_averages[2]] >= moving_averages[3] and prices[moving_averages[3]] >= moving_averages[4]]
    
    return stock

def get_prices():
    # 获取股票的历史收盘价
    return get_data('AAPL').history(period='1y')

def get_data(symbol):
    # 获取股票的历史数据
    return yfinance.get_data(symbol)

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。