问财量化选股策略逻辑
选股逻辑为：振幅大于1、竞价时涨跌幅大单加注、特大单共计买入量大于0.7千万、15分钟周期MACD绿柱变短。在每个交易日的开盘前进行选股，然后按照指标条件进行筛选，选出具有较好投资潜力的股票进行交易。
选股逻辑分析
该选股逻辑主要考虑了股票价格波动、机构资金买卖情况、市场情绪等因素，较好地结合了技术面和基本面，具有一定的可行性和实战性。
有何风险？
该选股策略存在以下风险：
-
依赖于MACD指标，可能存在滞后性和虚假信号的风险；
-
仅考虑特大单的买入量，可能忽略了其他因素如流通性、市场风险等，存在较大的信息不对称风险；
-
过于依赖振幅和竞价时涨跌幅等技术指标，忽略了其他技术面和基本面指标，存在不同程度的风险。
如何优化？
为了优化该选股策略，我们可以考虑以下措施：
-
将MACD指标与其他技术指标相结合，综合考虑市场情况和技术面因素，以提高选股精度；
-
建立完善的风险控制体系，结合资产配置等方法，分散风险，降低股票投资的单一性，以降低风险；
-
将该选股策略更为量化化，引入机器学习、图谱算法等手段，结合大数据、深度学习等分析方法，以提高选股的效果。
最终的选股逻辑
选股逻辑为：振幅大于1、竞价时涨跌幅大单加注、特大单共计买入量大于0.7千万、15分钟周期MACD绿柱变短、市值大于100亿。在进行选股时需要充分考虑股票的基本面、技术面等因素，综合判断进行适当的风险控制。
同花顺指标公式代码参考
可以采用以下通达信指标公式：
A > 1 AND ABS(B1/B2-1) > 0.03 AND ABS(C4) > 7000000 AND G_SUBSTR(SECCODE, 1, 2) NOT IN ('30','39') AND E > 10000000000 AND REF(OBV,14)<OBV AND REF(MACD,2)>0 AND MACD-MACD9<REF(MACD-MACD9,1)
其中，A为振幅，B1为当日竞买总量，B2为当日竞卖总量，C4为当日特大单净买入量，G_SUBSTR(SECCODE, 1, 2)为获取股票代码前两位，E为市值；REF为引用前一根K线数据，OBV为能量潮指标，MACD为指数平滑移动平均线和信号线之差。其他函数和变量参考前述选股逻辑分析。
python代码参考
from gm.api import *
set_token("your_token_here")
symbol = "SHSE.600000" # 股票代码
start_date = "2021-01-01" # 回测开始日期
end_date = "2022-01-01" # 回测结束日期
# 获取历史收盘价数据
bars = history_n(symbol=symbol, frequency="15m", start_time=start_date, end_time=end_date, fields="close")
# 计算振幅、竞价时涨跌幅、特大单净买入量、15分钟周期MACD指标等
amplitude = abs(high() / low() - 1)
buy_diff = abs(bid_volume1() / ask_volume1() - 1)
buy_volume = abs(total_bought_large_orders())
obv = OBV()
macd, sig, hist = MACD()
# 判断选股条件
selected = (amplitude > 0.01) & (buy_diff > 0.03) & (buy_volume > 700000000) & ~(prefix(code(), 2) == '30') & ~(prefix(code(), 2) == '39') & (capitalization() > 10000000000) & (REF(obv, 14) < obv) & (REF(macd, 2) > 0) & (macd - sig < REF(macd - sig, 1))
# 打印选中的股票代码
print(bars.loc[selected].index.values)
其中，symbol为股票代码或名称，start_date为回测开始日期，end_date为回测结束日期，selected为选股结果（True表示符合选股条件，False表示不符合）。其他函数和变量参考同花顺指标公式代码。
## 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。
