(同花顺量化)15分钟周期MACD绿柱变短_、换手率_2%且_9%、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
• 换手率>2%且<9%
• 15分钟周期MACD绿柱变短

选股逻辑分析

• 该策略通过结合均线、换手率和MACD指标来筛选股票。首先，筛选出至少5根均线重合的股票，这通常表示股票价格趋势较为稳定。其次，筛选出换手率在2%到9%之间的股票，这通常表示股票活跃度适中。最后，筛选出15分钟周期MACD绿柱变短的股票，这通常表示股票价格有望上涨。

有何风险？

• 该策略可能无法准确预测股票价格走势，因为股票价格的走势受到多种因素的影响，包括市场情绪、公司业绩等。
• 该策略可能无法筛选出真正有投资价值的股票，因为一些股票可能通过操纵换手率等方式来达到筛选条件。

如何优化？

• 可以通过增加或减少筛选条件来优化策略。例如，可以增加更多的均线组合或者筛选出更短的时间周期。
• 可以通过调整筛选条件的权重来优化策略。例如，可以将均线和MACD指标的权重调整为不同的比例，以更好地反映股票价格的趋势和活跃度。

最终的选股逻辑

• 通过筛选出至少5根均线重合、换手率在2%到9%之间且15分钟周期MACD绿柱变短的股票，来筛选出有望上涨的股票。

python代码参考

• 以下是一个简单的Python代码示例，用于筛选符合上述条件的股票：

import talib
import tushare as ts

# 设置Tushare API key
ts.set_token('your_token_here')

# 初始化pro接口
pro = ts.pro_api()

# 获取所有A股股票的代码
stock_codes = pro.stock_codes()

# 初始化MACD指标
macd = talib.MACD()

# 筛选出符合条件的股票
selected_stocks = []
for code in stock_codes:
    # 获取股票的收盘价和成交量数据
    close_prices = pro.daily(ts_code=code, start_date='2021-01-01', end_date='2021-12-31')['close']
    volume_data = pro.daily(ts_code=code, start_date='2021-01-01', end_date='2021-12-31')['vol']
    
    # 计算MACD指标
    macd_line, macdHistogram, macdSignal = macd(close_prices, fastperiod=12, slowperiod=26, signalperiod=9)
    
    # 筛选出符合条件的股票
    if macdLine[-1] > macdHistogram[-1] and macdSignal[-1] > macdHistogram[-1]:
        selected_stocks.append(code)
        
print(selected_stocks)

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。