选股逻辑
选股条件包括：振幅大于1、15分钟周期MACD绿柱变短、10天内涨停天数大于2的股票。
选股逻辑分析
振幅大于1可以找到波动性较大的股票，15分钟周期MACD绿柱变短可以反映出股票的走势即将发生变化，10天内涨停天数大于2可以反映出股票的热度和市场情绪。
有何风险？
单一指标筛选可能忽略了其它重要因素，如股票的基本面、流动性等。同时，涨停天数的考量会忽略市场风险，也容易导致过度追涨，需要注意股票的估值和市值。
如何优化？
可以加入其它重要指标，如股票的市盈率、净资产收益率、营收增长率、板块市场热度等，同时要注意市场的整体情绪和风险。涨停天数可以考虑与近期平均成交量、市值等指标一起综合考虑，避免单纯追涨。
最终的选股逻辑
选股条件包括：振幅大于1、15分钟周期MACD绿柱变短、10天内涨停天数大于2的股票，并结合各种基本面指标、行业热点和政策利好等因素进行综合分析。
同花顺指标公式代码参考
振幅大于1：IF(HIGH - LOW > 1, 1, 0)
15分钟周期MACD绿柱变短：IF(BARSLAST(MACD() < 0 AND MACD() > REF(MACD(),1)), 1, 0)
10天内涨停天数大于2：IF(PARAM>0, 1, 0) （此处PARAM为涨停数，需要用自定义公式计算出来）
综合筛选结果：IF(A AND B AND C AND D, 1, 0)
python代码参考
import tushare as ts
from talib import abstract
# 获取所有股票数据和涨停数据
df_all = ts.get_today_all()
df_limit = ts.cap_tops()
# 振幅大于1
df_filtered_by_amp = df_all[df_all['turnoverratio'] > 1]
# 15分钟周期MACD绿柱变短
df_k_data_15 = ts.get_k_data('000001', '15')
df_k_data_15['MACD'], _, df_k_data_15['MACD_Hist'] = abstract.MACD(df_k_data_15, timeperiod_fast=12, timeperiod_slow=26, timeperiod_signal=9)
df_filtered_1 = df_filtered_by_amp.merge(df_k_data_15[['date', 'MACD_Hist']], on='date', how='inner')
df_filtered_1['short_macd'] = (df_filtered_1['MACD_Hist'] < 0) & (df_filtered_1['MACD_Hist'] > df_filtered_1['MACD_Hist'].shift())
# 10天内涨停天数大于2
df_filtered_2 = df_filtered_1.merge(df_limit.groupby('code').size().reset_index(name='limit_count'), on='code', how='left')
df_filtered_2 = df_filtered_2[~df_filtered_2['limit_count'].isna()]
df_filtered_2 = df_filtered_2[df_filtered_2['limit_count'] > 2]
# 最终筛选结果
df_final = df_filtered_2.sort_values('amount', ascending=False)['code']
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。
