问财量化选股策略逻辑
选股逻辑：在 MACD 指标零轴以上、外盘/内盘大于 1.3、15 分钟周期 MACD 绿柱变短的股票中选择符合条件的股票进行选股。
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
该选股策略基于 MACD 指标和外盘/内盘比例指标等综合技术指标，同时加入 15 分钟 K 线周期下 MACD 绿柱变短的条件，选择符合条件的股票，便于查找具有一定投资价值的个股。
在 MACD 指标零轴以上、外盘买单较多的股票中选择，能够从技术层面上预测股票的走势趋势。
加入 15 分钟 K 线周期下 MACD 绿柱变短的条件，能够进一步过滤出技术面与市场情绪更加符合的股票。
有何风险？
该选股逻辑存在以下风险：
- 仅通过技术分析来选股，忽略了基本面因素，有可能导致盲目跟风，盈利未必稳健；
- 选股逻辑过于依赖技术面指标，对市场行情的变化可能会反应不够灵敏；
- 当市场趋势发生变化时，选股逻辑可能会遭受挑战，更易受到市场情绪等因素影响。
如何优化？
以下是该选股策略的优化建议：
- 加入基本面指标，如财务状况、市盈率等因素；
- 可以加入更多的技术指标，如 KDJ、RSI 等，进行综合分析；
- 加入筛选股票的数量限制，避免因选股结果过多而导致投资风险增大。
最终的选股逻辑
选股策略：在 MACD 指标零轴以上、外盘/内盘大于 1.3、15 分钟周期 MACD 绿柱变短的股票中选择符合条件的股票进行选股。
同花顺指标公式代码参考
以下是该选股逻辑中涉及到的通达信指标公式：
MACD 指标公式同前面的例子。
寻找符合条件的股票可以参考以下筛选条件：
选股条件：MACD() > 0 AND VOL / (VOL + VOLH) > 1.3 AND MACD_15m[0] < MACD_15m[1]
通达信代码以60开头的选股筛选公式：
选股条件：MACD() > 0 AND VOL / (VOL + VOLH) > 1.3 AND MACD_15m[0] < MACD_15m[1]
Python代码参考
以下是获取符合选股条件的股票列表的 Python 代码：
import tushare as ts
import pandas as pd
import talib as ta
# 设置 tushare pro 的 token
token = 'your_token_here'
ts.set_token(token)
# 初始化 tushare pro 接口
pro = ts.pro_api()
# 获取符合选股条件的股票列表
result = []
for stock_code in pro.stock_basic(exchange='', list_status='L', is_open='1', fields='ts_code,symbol,market')['ts_code']:
# 获取 MACD 指标
df_macd = pro.daily(ts_code=stock_code, start_date='20210101', end_date='20211231')
dif = ta.EMA(df_macd['close'].values, 12) - ta.EMA(df_macd['close'].values, 26)
dea = ta.EMA(dif, 9)
macd = (dif - dea) * 2
# 计算外盘、内盘等指标
df_base = pro.moneyflow(ts_code=stock_code, start_date='20210101', end_date='20211231')
volh = df_base['buy_sm_vol'].values
vol = df_base['buy_md_vol'].values + df_base['buy_lg_vol'].values + df_base['sell_md_vol'].values + df_base['sell_lg_vol'].values
# 计算 15 分钟周期下的 MACD 绿柱变化
df_15m = pro.finance(ts_code=stock_code, freq='15min', start_date='20210101', end_date='20211231')
dif_15m = ta.EMA(df_15m['close'].values, 12) - ta.EMA(df_15m['close'].values, 26)
dea_15m = ta.EMA(dif_15m, 9)
macd_15m = (dif_15m - dea_15m) * 2
macd_15m_delta = macd_15m[0] - macd_15m[1]
# 判断是否符合选股条件
if macd[-1] > 0 and vol[0] / (vol[0] + volh[0]) > 1.3 and macd_15m_delta < 0:
result.append(stock_code)
print(result)
注：该代码仅供参考，真实情况中需要根据自己的需要进行调整。
## 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。
