问财量化选股策略逻辑
选股逻辑为：RSI小于65、MACD零轴以上、15分钟周期MACD绿柱变短。该选股策略综合考虑了技术面指标和市场情绪，旨在寻找具备一定交易量和短期走势相对稳定的股票。
选股逻辑分析
该选股策略主要基于以下因素：
- 技术面：RSI指标反映市场情绪，RSI小于65表示市场情绪不是过度乐观状态；MACD指标反映短期走势，MACD零轴以上表示市场情绪变得更加强劲。15分钟周期MACD绿柱变短表示股票走势短期相对稳定。
- 市场情绪：寻找15分钟周期内MACD绿柱变短的股票，可以减小市场波动对股票的影响，提高预测的准确性。
该选股策略综合考虑了技术面指标和市场情绪，寻找具有一定交易量和短期走势相对稳定的股票。但是，该选股策略未考虑到股票的基本面因素，可能会影响选股的准确性和风险控制。在实际选股操作中，应该注意综合考虑各种因素和细节。
有何风险？
该选股策略可能存在以下风险：
- 忽略了具体行业和个股的基本面因素，选股的准确性和风险控制有待提高；
- 可能存在个别股票交易量不足、流动性较差，选择有限；
- 市场情绪波动较大，对选股策略的准确性和风险控制造成较大影响；
- 在选股时需要注意股票的短期波动和基本面数据的变化，没有强大的监控和数据分析工具，难以及时、准确识别潜在风险。
如何优化？
为提高该选股策略的准确性和有效性，应该：
- 结合技术面和基本面的因素，例如选取市盈率、市净率等因素，加强对各个行业和个股的特征评估，并进行权衡和筛选。
- 引入其他具备稳定性、流动性的交易数据指标，例如均线交叉、KDJ等指标，综合考虑和评估。
- 优化选股策略的算法和模型，引入机器学习等技术，提高选股策略的准确性和效率。
- 结合行业发展趋势和市场趋势，加强对行业和个股的研究和预测，进行高效筛选和投资。同时，需要注意跟踪股票走势和经济趋势，在条件变化时适时调整选股策略。
最终的选股逻辑
选股条件为RSI小于65、MACD零轴以上、15分钟周期MACD绿柱变短。该选股策略综合考虑了技术面指标和市场情绪，寻找具备一定交易量和短期走势相对稳定的股票。
以下为同花顺选股指标公式：
- RSI指标：RSI（14）；
- MACD指标：DIF:=EMA(CLOSE,12)-EMA(CLOSE,26); DEA:=EMA(DIF,9); MACD:=(DIF-DEA)*2；
- 15分钟周期MACD绿柱：DIF:=EMA(CLOSE,12)-EMA(CLOSE,26); DEA:=EMA(DIF,9); MACD:=(DIF-DEA)*2；M:=IF(MACD-REF(MACD,1)>0,MACD-REF(MACD,1),0);SIGNAL:MA(M,N);HIST:(M-SIGNAL)*2；
Python代码参考
以下是Python代码实现该选股逻辑：
import tushare as ts
# 定义选股条件
def condition(stock):
# 获取RSI指标
rsi = ts.get_k_data(stock, ktype='D')['close'].astype(float).talib('RSI', timeperiod=14)[-1]
if rsi >= 65:
return False
# 获取MACD指标
df_daily = ts.get_k_data(stock, ktype='D')
if df_daily.empty or df_daily.shape[0] < 3:
return False
dif = df_daily.iloc[-1]['close'].ewm(span=12).mean() - df_daily.iloc[-1]['close'].ewm(span=26).mean()
dea = dif.ewm(span=9).mean()
macd = (dif - dea) * 2
if macd <= 0:
return False
# 获取15分钟周期MACD指标
df_15min = ts.get_k_data(stock, ktype='15')
if df_15min.empty or df_15min.shape[0] < 3:
return False
dif_15min = df_15min.iloc[-1]['close'].ewm(span=12).mean() - df_15min.iloc[-1]['close'].ewm(span=26).mean()
dea_15min = dif_15min.ewm(span=9).mean()
macd_15min = (dif_15min - dea_15min) * 2
m = macd_15min - macd_15min.shift(1)
signal = m.rolling(window=5, min_periods=3).mean()
hist = (m - signal) * 2
if hist.iloc[-1] >= hist.iloc[-2]:
return False
# 选出符合条件的股票
return True
# 获取所有A股股票列表
stocks = ts.get_stock_basics().index.tolist()
selected_stocks = filter(condition, stocks)
# 打印符合条件的股票代码和名称
for stock in selected_stocks:
print(stock, ts.get_stock_basics().loc[stock]['name'])
为确保选股的准确性，应该准确更新股票的技术指标、市场情绪数据、财务数据、基本面数据、市盈率、市净率、行业数据、竞争对手数据等信息，以便更准确地判断股票的潜在增长性和风险。同时，需要结合专家意见、行业趋势和市场趋势进行研究和预测，及时调整选股策略，避免加大潜在的投资风险。
## 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。
