(同花顺量化)15分钟周期MACD绿柱变短_、深证主板中市盈率0-29

用户头像神盾局量子研究部
2023-08-31 发布

问财量化选股策略逻辑

选股逻辑:选择RSI小于65的股票,深证主板中市盈率处于0-29.01之间,市净率在0-3.11之间的股票,在15分钟周期下,MACD绿柱变短。

选股逻辑分析

该选股逻辑结合了技术指标和基本面指标,选出了股价相对合理、且短期内可能有上升趋势的股票。同时,加入了技术指标的判断,可以更加精准地把握股票的买入时机。

有何风险?

该选股逻辑过于侧重于短期内的技术面,忽略了公司经营业绩、财务状况等基本面指标的影响。同时,技术面指标本身也存在着时间敏感性和不确定性,不能保证一定的正确性。

如何优化?

可以加入更多的基本面指标,例如ROE、PEG、收入增长率、净利润增长率等,对各指标进行加权处理,建立更加全面的选股模型。同时,在加入技术面指标的基础上,也可以引入更多技术指标,如相对强弱指数(RSI)、移动平均线等,综合考虑技术面和基本面因素,提高选股准确率和实用性。此外,对技术指标的设置和参数的调整也需要更加科学合理,避免过度依赖单一指标或参数设置不当对选股结果造成不良影响。

最终的选股逻辑

选股逻辑:选择RSI小于65的股票,深证主板中市盈率处于0-29.01之间,市净率在0-3.11之间的股票,在15分钟周期下,MACD绿柱变短。

同花顺指标公式代码参考

  • RSI小于65: RSI(CLOSE, 14) < 65
  • 深证主板中市盈率0-29.01: PE > 0 AND PE < 29.01
  • 市净率0-3.11: PB > 0 AND PB < 3.11
  • 15分钟MACD绿柱变短: DIF - DEA < 0 AND REF(DIF - DEA, 1) > 0

python代码参考

import pandas as pd
import tushare as ts

# 连接tushare并获取股票基本信息
token = 'token'
pro = ts.pro_api(token)
basic = pro.stock_basic(exchange='SZSE', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')

# 初始化RSI、估值和MACD条件
rsi = 65
pe_low = 0
pe_high = 29.01
pb_low = 0
pb_high = 3.11
dif_dea = 0
macd = 0

# 遍历每支股票
result = []
for code in basic['ts_code']:
    # 判断RSI、估值和技术面条件
    finance = pro.query('daily_basic', ts_code=code, fields='pe,pb')
    if finance.empty: continue
    pe = finance['pe'].iloc[-1]
    pb = finance['pb'].iloc[-1]
    if pe < pe_low or pe > pe_high or pb < pb_low or pb > pb_high: continue
    kline = ts.get_k_data(code, autype='qfq', interval='15')
    macd_df, _, _ = ts.MACD(kline['close'], fastperiod=12, slowperiod=26, signalperiod=9)
    if macd_df.empty: continue
    dif = macd_df.iloc[-1]['DIFF']
    dea = macd_df.iloc[-1]['DEA']
    if dif - dea > dif_dea or macd_df.iloc[-2]['DIFF'] - macd_df.iloc[-2]['DEA'] < 0: continue
    # 获取市值并加入结果列表
    mv = pro.daily_basic(ts_code=code, trade_date='20210813', fields='ts_code, market_value').iloc[0]['market_value']
    if mv < 200000: result.append([code, basic[basic['ts_code'] == code].iloc[0]['name'], mv])
# 对筛选结果进行排序
result_df = pd.DataFrame(result, columns=['代码', '名称', '市值'])
result_df = result_df.sort_values('市值').reset_index(drop=True)
result_df.to_excel('result.xlsx', index=False)
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论