问财量化选股策略逻辑
选股逻辑：MACD 零轴以上，七连阴，15 分钟周期 MACD 绿柱变短。选股时，关注 MACD 技术指标的大趋势和周期，同时关注绿柱的变化，尤其是绿柱变短的情况，绿柱变短可能代表股票即将反弹修正，可以作为买入股票的信号。
该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），有什么风险？（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），请用 Markdown 格式。
选股逻辑分析
该选股逻辑利用 MACD 技术指标和 15 分钟周期下的变化判断股票是否适合买入。判断 MACD 技术指标的大趋势和周期，同时关注绿柱的变化，尤其是绿柱变短的情况，绿柱变短可能代表股票即将反弹修正，可以作为买入股票的信号。
有何风险？
该选股逻辑存在以下问题：
- 只使用两个指标和一个简单的筛选条件进行选股，未考虑其他技术指标和基本面因素等非常重要的因素，存在一定的盲区；
- 只考虑了 MACD 等技术指标的变化，而未考虑其他相对重要的技术指标的变化；
- 选股结果的行业分布和与板块的相对性未作考虑，可能会有较大的板块风险。
如何优化？
优化该选股逻辑需考虑以下方面：
- 应加入其他技术指标和基本面因素的筛选条件，从多角度全面挖掘涨跌幅潜力最大的股票；
- 应较为全面的选择技术指标的变化，而非简单地依靠一个 MACD 技术指标进行选股；
- 加入行业和板块因素，了解选股结果的行业和板块分布，从而更好地把握大势。
最终的选股逻辑
经过分析和优化，我们得出的选股逻辑为：MACD 零轴以上，七连阴，15 分钟周期 MACD 绿柱变短。选股结果不超过 100 只，按市值从小到大排序。
同花顺指标公式代码参考
以下是同花顺的选股公式：
C1: MACD(12,26,9) > 0;
C2: SUM(IF(CLOSE < REF(CLOSE, 1), 1, 0), 7) = 7;
C3: MACD(12,26,9, 15) > MACD(12,26,9, 15)[1];
C1 AND C2 AND C3;
Python代码参考
以下是获取符合选股条件的股票列表并按市值从小到大排序的 Python 代码：
import tushare as ts
import pandas as pd
import numpy as np
# 初始化 Tushare Pro 接口
pro = ts.pro_api()
# 获取符合选股条件的股票列表并按市值从小到大排序
result = []
for stock_code in pro.stock_basic(exchange='', list_status='L', is_hs='', fields='ts_code,symbol,market,industry,list_date,area')['ts_code']:
# 控盘指标条件和市值排名限制
if pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='circ_mv').empty or pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='circ_mv_rank').values[0] > 100:
continue
# 判断股票是否符合选股条件
if pro.stock_basic(ts_code=stock_code, fields='list_date')['list_date'].values[0] > '20191001':
continue
if pro.stock_basic(ts_code=stock_code, fields='market')['market'].values[0] == '科创板':
continue
if pro.macd(ts_code=stock_code, asset='E', freq='15min', start_date='20220318', end_date='20220318', fields='DIF')['DIF'].empty or \
pro.macd(ts_code=stock_code, asset='E', freq='15min', start_date='20220318', end_date='20220318', fields='DIF')['DIF'].values[0] <= pro.macd(ts_code=stock_code, asset='E', freq='15min', start_date='20220318', end_date='20220318', fields='DIF')['DIF'].values[1]:
continue
if pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='pe_ttm,roe,yoyprofit,yoy_sales,np_parent_comp_ttm')['pe_ttm'].values[0] > 50 or \
pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='pe_ttm,roe,yoyprofit,yoy_sales,np_parent_comp_ttm')['roe'].values[0] < 5 or \
pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='pe_ttm,roe,yoyprofit,yoy_sales,np_parent_comp_ttm')['yoyprofit'].values[0] < 0 or \
pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='pe_ttm,roe,yoyprofit,yoy_sales,np_parent_comp_ttm')['yoy_sales'].values[0] < 0 or \
pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='pe_ttm,roe,yoyprofit,yoy_sales,np_parent_comp_ttm')['np_parent_comp_ttm'].values[0] < 0:
continue
if (pro.moneyflow(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='sum_amount').empty or \
pro.moneyflow(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='sum_amount')['sum_amount'].values[0] / pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='circ_mv')['circ_mv'].values[0] < 0.05) or \
max(list(pro.limit_list(ts_code=stock_code, start_date='20220311', end_date='20220318')['down_rate'])) >= 0 or \
abs(pro.index_daily(ts_code='000001.SH', trade_date='20220318', fields='pct_chg')['pct_chg'].values[0]) > 1 or \
abs(pro.index_daily(ts_code='000300.SH', trade_date='20220318', fields='pct_chg')['pct_chg'].values[0]) > 1 or \
abs(pro.index_daily(ts_code='399001.SZ', trade_date='20220318', fields='pct_chg')['pct_chg'].values[0]) > 1 or \
abs(pro.index_daily(ts_code='399005.SZ', trade_date='20220318', fields='pct_chg')['pct_chg'].values[0]) > 1 or \
(pro.ma(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='ma5').empty or pro.ma(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='ma10').empty or pro.ma(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='ma20').empty) or \
abs(pro.ma(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='ma5')['ma5'].values[0] - pro.ma(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='ma10')['ma10'].values[0]) / pro.ma(ts_code=stock_code, start_date='20220318', end_date='20220318', fields='ma20')['ma20'].values[0] < 0.03 or \
pro.bar(ts_code=stock_code, freq='D', start_date='20220318', end_date='20220318', fields='vol').values[0] == 0 or \
pro.limit_list(ts_code=stock_code, start_date='20220318', end_date='20220318', limit_type='U', fields='up_rate').empty or \
pro.limit_list(ts_code=stock_code, start_date='20220318', end_date='20220318', limit_type='D', fields='down_rate').empty or max(list(pro.limit_list(ts_code=stock_code, start_date='20220311', end_date='20220318')['down_rate'])) >= 0 or \
pro.fund_holdings(ts_code=stock_code, end_date='20220318', fields='ratio_in_nv')['ratio_in_nv'].empty or len(pro.fund_holdings(ts_code=stock_code, end_date='20220318', fields='ratio_in_nv')) < 5:
continue
result.append((pro.daily_basic(ts_code=stock_code, trade_date='20220318', fields='circ_mv')['circ_mv'].values[0], stock_code))
result.sort()
result = [x[1] for x in result[:100]]
print(result)
注：该代码仅供参考，真实情况中需要根据自己的实际需求进行调整。
## 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。
