(同花顺量化)15分钟周期MACD绿柱变短_、开盘价在十日线左右、至少5根均线重合的股票

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 开盘价在十日线左右
• 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技术分析和趋势跟踪。首先，要求至少5根均线重合，这表明股票价格在多个时间周期内形成了多头排列，表明市场趋势是向上的。其次，要求开盘价在十日线左右，这表明股票价格在短期内经历了回调，但仍然维持在重要的支撑位上。最后，要求15分钟周期MACD绿柱变短，这表明股票价格短期趋势正在转变，即将出现反弹。

有何风险？

这个策略的潜在风险是过于依赖技术分析和趋势跟踪，而忽略了其他因素，如公司的基本面和市场情绪。此外，如果市场趋势突然发生变化，这个策略可能会产生较大的损失。

如何优化？

为了优化这个策略，可以考虑加入更多的技术指标和市场数据，以更准确地判断股票的趋势和价格走势。此外，可以考虑加入一些风险管理措施，如止损单和风险分散，以降低投资风险。

最终的选股逻辑

import talib
import tushare as ts

# 获取股票数据
df = ts.get_k_data('600036', start='2021-01-01', end='2021-12-31')

# 计算多头排列的均线
long_ma = talib.MA(df['close'], timeperiod=5)
short_ma = talib.MA(df['close'], timeperiod=10)

# 计算开盘价在十日线左右的条件
df['open'] = df['open'].fillna(method='ffill')
df['close'] = df['close'].fillna(method='ffill')
df['ten_day_ma'] = talib.MA(df['close'], timeperiod=10)
df['close_price'] = df['close'] - df['open']
df['open_price'] = df['open'] - df['open']
df['condition'] = (df['close'] >= df['ten_day_ma']) & (df['close'] <= df['open_price'])

# 计算15分钟周期MACD绿柱变短的条件
df['macd'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df['macd_signal'] = df['macd']['signal']
df['macd_hist'] = df['macd']['hist']
df['condition2'] = (df['macd_signal'] <= df['macd_hist'])

# 选择符合条件的股票
selected_stocks = df[df['condition'] & df['condition2']]

python代码参考

import talib
import tushare as ts

# 获取股票数据
df = ts.get_k_data('600036', start='2021-01-01', end='2021-12-31')

# 计算多头排列的均线
long_ma = talib.MA(df['close'], timeperiod=5)
short_ma = talib.MA(df['close'], timeperiod=10)

# 计算开盘价在十日线左右的条件
df['open'] = df['open'].fillna(method='ffill')
df['close'] = df['close'].fillna(method='ffill')
df['ten_day_ma'] = talib.MA(df['close'], timeperiod=10)
df['close_price'] = df['close'] - df['open']
df['open_price'] = df['open'] - df['open']
df['condition'] = (df['close'] >= df['ten_day_ma']) & (df['close'] <= df['open_price'])

# 计算15分钟周期MACD绿柱变短的条件
df['macd'] = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df['macd_signal'] = df['macd']['signal']
df['macd_hist'] = df['macd']['hist']
df['condition2'] = (df['macd_signal'] <= df['macd_hist'])

# 选择符合条件的股票
selected_stocks = df[df['condition'] & df['condition2']]

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。