问财量化选股策略逻辑
今日增仓占比>5%,上市大于,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股票的当日增仓比例和15分钟周期的MACD指标来进行选股。首先，需要筛选出当日增仓比例超过5%的股票，这表明这些股票的买入量较大，可能具有一定的投资价值。其次，需要筛选出上市时间大于15分钟的股票，因为只有在上市时间足够长的情况下，MACD指标的信号才更加可靠。最后，需要筛选出15分钟周期MACD绿柱变短的股票，这表明股票的价格走势正在转强，可能具有一定的投资机会。
有何风险？
这个策略的风险主要在于它过于依赖于技术指标，而忽略了其他重要的基本面因素。另外，由于该策略是基于短期的价格走势来进行筛选的，因此可能会错过一些长期的投资机会。
如何优化？
为了优化这个策略，可以考虑加入更多的基本面因素，例如公司的财务状况、盈利能力、市场份额等等。此外，可以考虑使用更长的时间周期来计算MACD指标，以更好地反映股票的长期走势。
最终的选股逻辑
以下是最终的选股逻辑：
def select_stock():
# 筛选出当日增仓比例超过5%的股票
stocks = get_stocks_with_high_net_buy()
# 筛选出上市时间大于15分钟的股票
stocks = stocks[stocks['time'] > 15]
# 筛选出15分钟周期MACD绿柱变短的股票
stocks = stocks[stocks['macd'].apply(lambda x: x['diff'] > x['dea'], axis=1)]
return stocks
python代码参考
import talib
def get_stocks_with_high_net_buy():
# 获取所有股票的净买入量
net_buy = get_net_buy()
# 筛选出净买入量超过5%的股票
stocks = net_buy[net_buy['net_buy'] > net_buy.mean()['net_buy'] * 0.05]
return stocks
def get_net_buy():
# 获取所有股票的净买入量
data = get_data()
net_buy = data['net_buy']
return net_buy
def get_data():
#
## 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。
