(同花顺量化)15分钟周期MACD绿柱变短_、至少5根均线重合的股票、振幅大于1

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

该选股策略包括三个条件:

  • 振幅大于1
  • 至少5根均线重合的股票
  • 15分钟周期MACD绿柱变短

选股逻辑分析

该选股策略较前一策略加入了MACD指标,更加注重技术面。振幅大于1表示波动较大;至少5根均线重合则意味着处于相对稳定的阶段;15分钟周期MACD绿柱变短反映了短期卖出力量的减小。综合考虑这三个指标,选出的股票较为稳定且具备下跌结束信号。

有何风险?

该策略忽略了一些基本面上好但技术面不太稳定的品种。另外,由于引入了MACD指标,可能会受到技术指标的局限性,如忽略基本面变化导致的价格趋势改变等。

如何优化?

可以综合考虑基本面和技术面,如市盈率、市净率、相对强弱指标等指标,选取更加稳定的品种。另外,在使用技术指标时,可以再引入其它指标交叉验证,如KDJ、RSI等。

最终的选股逻辑

综合考虑以上因素,完善后的选股逻辑为:

  • 振幅大于1,市场对于波动剧烈的股票更感兴趣;
  • 5日均线、10日均线、20日均线、30日均线、60日均线重合,表示股票处于均衡状态;
  • 15分钟周期MACD的绿柱变短,可以理解为卖出力量减小的信号;
  • 市盈率、市净率等基本面指标符合要求,表示股票具备较好的价值。

同花顺指标公式代码参考

  • 振幅大于1:(high-low)/low > 0.01
  • 至少5根均线重合的股票:同上
  • 15分钟周期MACD的绿柱变短:MACD(12,26,9)下行,且MACD柱变绿变短
  • 市盈率等基本面指标:可到同花顺网站查看

Python代码参考

import pandas as pd
import tushare as ts
import talib

df = ts.get_stock_basics()
codes = df.index.tolist()

result = pd.DataFrame()

for code in codes:
    is_amplitude_large = False
    is_ma_converge = False
    is_macd_short = False
    is_pb_low = False

    bars = ts.get_k_data(code, ktype='D')
    
    if bars is not None:
        is_amplitude_large = (bars['high'].iloc[-1] - bars['low'].iloc[-1])/bars['low'].iloc[-1] > 0.01
        
        # 至少5根均线重合的股票
        close = bars['close'].values
        ma_5 = talib.MA(close, timeperiod=5)
        ma_10 = talib.MA(close, timeperiod=10)
        ma_20 = talib.MA(close, timeperiod=20)
        ma_30 = talib.MA(close, timeperiod=30)
        ma_60 = talib.MA(close, timeperiod=60)
        ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
        is_ma_converge = ma_count >= 5

        # 15分钟MACD向下并变短
        bars_15min = ts.get_k_data(code, ktype='15')
        if len(bars_15min) >= 50:
            macd, signal, hist = talib.MACD(bars_15min['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
            if macd[-1] < signal[-1] and hist[-1] < hist[-2]:
                is_macd_short = True

        # pb低于1
        is_pb_low = df.loc[code]['pb'] < 1

        if is_amplitude_large and is_ma_converge and is_macd_short and is_pb_low:
            result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe'], 'industry': df.loc[code]['industry']}, ignore_index=True)

result = result.sort_values(by=['industry'], ascending=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