问财量化选股策略逻辑
选股逻辑：MACD零轴以上、DEA上涨，15分钟周期MACD绿柱变短。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。 分析以上的选股逻辑（每个逻辑以 "," 进行分隔），分析选股的逻辑（放入标题为 ## 选股逻辑分析 的段落），有何风险？（放入标题为 ## 有何风险？ 的段落）如何优化？（放入标题为 ## 如何优化？ 的段落），并最终给出完善选股逻辑（放入标题为 ## 最终的选股逻辑 的段落），请使用Markdown格式。
选股逻辑分析
该选股策略在原有的选股条件上，新增了15分钟K线MACD绿柱变短的条件。通过此条件的判断，可以筛选出MACD零轴以上、DEA上涨的股票中，15分钟K线MACD绿柱开始萎缩的走势，这可能代表着其股价正在发生变化。该选股逻辑主要考虑股价趋势的变化，相对于单一的技术指标更加全面。
有何风险？
以下是该选股策略可能存在的一些风险：
- 增加了新的选股条件，可能导致选股范围变小，影响投资效果；
- MACD指标主要考虑市场情绪，而绿柱变短考虑了股价变化，可能出现两者不一致的情况，需要灵活理解。
如何优化？
以下是对该选股策略的一些建议：
- 增加其他技术指标的考虑，如KD指标、RSI指标等，可以更全面地分析股票的走势；
- 应灵活设置选股条件的权重，以适应不同市场环境；
- 建议加入数据趋势分析，通过对大量数据的分析，来更全面地挖掘股票的投资机会。
最终的选股逻辑
该选股策略综合了股价变化和情感因素两方面的考虑，选出MACD零轴以上、DEA上涨，且15分钟周期MACD绿柱开始萎缩的股票。同时，应灵活设置权重和选股条件，以适应不同的市场环境。
同花顺指标公式代码参考
- MACD指标（12,26,9）：DIF=EMA(CLOSE,12)-EMA(CLOSE,26); DEA=EMA(DIF,9); MACD=(DIF-DEA)*2;
- 15分钟MACD指标（12,26,9）：DIF1=EMA(C,12)-EMA(C,26); DEA1=EMA(DIF1,9); MACD1=(DIF1-DEA1)*2;
Python代码参考
def initialize(context):
set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0003, min_cost=5))
set_slippage(PriceSlippage(0.002))
set_option('avoid_future_data', True)
g.capital_base = context.portfolio.starting_cash
g.stocks_selected = []
def before_trading_start(context):
g.stocks_selected = select_stock(context)
def handle_data(context, data):
for security in context.portfolio.positions.keys():
if security not in data:
continue
if data[security].close < 0.96 * context.portfolio.positions[security].cost_basis:
order_target_value(security, 0)
if len(context.portfolio.positions) < 10:
buy_list = g.stocks_selected[:5]
for buying_stock in buy_list:
if not data.can_trade(buying_stock):
continue
order_target_value(
buying_stock,
context.portfolio.portfolio_value/len(buy_list)
)
def select_stock(context):
# 获取MACD零轴以上、DEA上涨，且15分钟MACD开始绿柱缩短的股票
stock_filter = query(
valuation.code,
indicator.macd.macd,
indicator.macd.diff,
indicator.macd.dea,
indicator.macd.macd_15min,
indicator.macd.diff_15min,
).filter(
(indicator.macd.macd > 0) &
(indicator.macd.diff < indicator.macd.dea) &
(indicator.macd.macd_15min.diff() +
indicator.macd.diff_15min.diff() < 0)
)
stock_universe = get_fundamentals(stock_filter).dropna()
STOCK_LIST = stock_universe['code'].tolist()
return STOCK_LIST
## 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。
