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，30日平均线向上的股票。
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，同时30日平均线向上反映出了股票价格走势的长期趋势。这些指标的综合运用可以找到既符合短期走势又符合长期走势的股票，具备良好的投资潜力。
有何风险？
该选股策略仅仅考虑了技术面因素，忽略了企业基本面的因素，影响了选股策略的全面性和精准性。同时，日内振幅和涨跌幅等指标的判断标准可能存在主观性，容易产生缺陷。
如何优化？
可以引入公司公布的财务报告等基本面指标，如市盈率、市净率、净利润等指标，对股票的长远走势进行综合考虑。同时，可以加强对市场情绪方面的考虑，如资金流向、板块涨跌等指标，加强对市场情绪方面的考虑，有更全面、客观地评估股票投资价值，提高选股策略的准确性和精准性。
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，30日平均线向上的股票。
同花顺指标公式代码参考
振幅大于1：IF(AMP > 1, 1, 0)
15分钟周期MACD绿柱变短：IF(BARSLAST(MACD() < 0 AND MACD() > REF(MACD(), 1)), 1, 0)
30日平均线向上：IF(CLOSE > MA(CLOSE, 30), 1, 0)
综合筛选结果：IF(A AND B AND C, 1, 0)
python代码参考
import tushare as ts
from talib import abstract
# 获取所有股票数据
df_all = ts.get_today_all()
# 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 = ts.get_k_data('000001', '15')
df_k_data['MACD'], _, df_k_data['MACD_Hist'] = abstract.MACD(df_k_data, timeperiod_fast=12, timeperiod_slow=26, timeperiod_signal=9)
df_filtered_1 = df_filtered_by_amp.merge(df_k_data[['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())
# 30日平均线向上
df_k_data = ts.get_k_data('000001')
df_k_data['ma_30'] = abstract.MA(df_k_data, timeperiod=30)
df_filtered_2 = df_filtered_1.merge(df_k_data[['date', 'close', 'ma_30']], on='date', how='inner')
df_filtered_2['ma_30_increase'] = df_filtered_2['ma_30'] > df_filtered_2['ma_30'].shift()
df_filtered_3 = df_filtered_2[(df_filtered_2['short_macd']) & (df_filtered_2['ma_30_increase'])]
df_filtered_4 = df_filtered_3.sort_values(by=['amount'], ascending=False)
# 输出结果
df_final = df_filtered_4[['code', 'name', 'trade', 'changepercent', 'open', 'high', 'low', 'volume', 'amount', 'circ_mv']]
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。
