(同花顺量化)15分钟周期MACD绿柱变短_、前日实际换手率_3～28、今日增仓占比_5%

问财量化选股策略逻辑

今日增仓占比>5%,前日实际换手率>3～28,15分钟周期MACD绿柱变短

选股逻辑分析

该策略基于三个指标：今日增仓占比、前日实际换手率和15分钟周期MACD绿柱变短。其中，今日增仓占比表示最近一天内股票的买入量占总成交量的比例，如果比例超过50%，说明市场资金较为活跃，有利于股票上涨。前日实际换手率表示前一个交易日的换手率，如果换手率在3%到28%之间，说明股票的流动性较好，有利于行情的波动。15分钟周期MACD绿柱变短则表示股票的短期趋势正在转好，有可能出现反弹。

有何风险？

该策略的风险主要来自于市场风险和策略本身的风险。市场风险是指股票市场的不确定性，无法预测股票价格的走势。策略本身的风险则来自于指标的准确性，如果指标的准确性不高，可能会导致策略的失效。

如何优化？

为了优化该策略，可以考虑以下几点：

1. 增加指标的数量，例如加入成交量指标、均线指标等，以提高策略的准确性。
2. 调整指标的参数，例如调整今日增仓占比的阈值、前日实际换手率的范围等，以适应不同的市场环境。
3. 使用更高级的量化技术，例如机器学习、深度学习等，以提高策略的效率和准确性。

最终的选股逻辑

以下是一种优化后的策略：

1. 今日增仓占比>50%。
2. 前日实际换手率>3%且<28%。
3. 15分钟周期MACD绿柱变短且DIF线在0轴上方。

python代码参考

以下是使用pandas和ta-Lib库实现该策略的Python代码：

import pandas as pd
import talib

def get_strategy_data():
    # 获取股票数据
    df = pd.read_csv('stock_data.csv')
    # 计算今日增仓占比
    df['今日增仓占比'] = df['买入量'] / df['成交量'] * 100
    # 计算前日实际换手率
    df['前日实际换手率'] = df['成交量'] / df['前日流通市值'] * 100
    # 计算15分钟周期MACD绿柱变短
    df['15分钟周期MACD绿柱变短'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9).MACD
    df['DIF线在0轴上方'] = df['DIF'] > 0
    # 返回数据框
    return df

def apply_strategy(df):
    # 获取符合策略的股票
    strategy_df = df[(df['今日增仓占比'] > 50) & (df['前日实际换手率'] > 3) & (df['15分钟周期MACD绿柱变短'] & df['DIF线在0轴上方'])]
    # 返回符合策略的股票数量
    return len(strategy_df)

if __name__ == '__main__':
    # 获取股票数据
    df = get_strategy_data()
    # 获取符合策略的股票数量
    strategy_count = apply_strategy(df)
    print('符合策略的股票数量：', strategy_count)

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。