问财量化选股策略逻辑
选股逻辑：选取RSI小于65、PE大于0，15分钟周期MACD绿柱变短的股票。
选股逻辑分析
该选股策略是在RSI和PE的基础上加入了技术面指标MACD，通过观察15分钟周期MACD绿柱的长度，筛选出短期趋势反转或回调后可能有反弹机会的股票。
有何风险？
选择15分钟周期进行选股可能会较易受到噪音的影响，且相对于较长周期如日线、周线等，更容易出现短期波动，因此需要加强风险控制。
如何优化？
可以考虑选取多个周期的MACD指标同时进行判断，同时结合其他技术面指标如KDJ等进行筛选，增加选股得票的可信度。
最终的选股逻辑
选取RSI小于65、PE大于0，多周期MACD均绿柱变短，结合技术面和基本面指标，综合考虑选出潜力较大的股票。
同花顺指标公式代码参考
- RSI：RSI(14)
- PE：pe_ttm
- MACD：MACD(12, 26, 9)
Python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_list(rsi_threshold=65, pe_threshold=0, macd_periods=[15], universe_threshold=0, top_n=5):
stock_list = pd.DataFrame(columns=['股票代码', '名称', '流通股本'])
for _, row in ts.get_today_all().iterrows():
symbol = row['code']
if not (symbol.startswith('300') or symbol.startswith('688')):
if symbol.startswith('60') or symbol.startswith('00'):
if symbol[0] == '6':
symbol = 'sh' + symbol
else:
symbol = 'sz' + symbol
try:
rsi = talib.RSI(ts.get_k_data(symbol, end=datetime.date.today())['close'], timeperiod=14)[-1]
if rsi > rsi_threshold:
continue
if float(row['pe_ttm']) < pe_threshold:
continue
macd_data = ts.get_k_data(symbol, ktype='15', end=datetime.date.today())[['close']]
for period in macd_periods:
macd_data[f'macd_{period}'] = talib.MACD(macd_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)[2]
macd_data[f'diff_{period}'] = talib.MACD(macd_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)[0]
macd_data[f'dealine_{period}'] = talib.MACD(macd_data['close'], fastperiod=12, slowperiod=26, signalperiod=9)[1]
if macd_data[f'macd_{period}'].iloc[-1] > 0:
continue
n_index = 0
while macd_data[f'diff_{period}'].iloc[-1-n_index] > macd_data[f'dealine_{period}'].iloc[-1-n_index]:
n_index += 1
if n_index >= len(macd_data):
break
if n_index <= 2:
stock_list = stock_list.append({'股票代码': symbol[:6], '名称': row['name'], '流通股本': row['totals'] * 10000}, ignore_index=True)
break
except:
continue
return stock_list[:top_n]
## 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。
