问财量化：振幅大于1#15分钟周期MACD绿柱变短 无亏损

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、100亿市值以内的无亏损企业。

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，100亿市值以内的无亏损企业可以找到有增长潜力、盈利能力良好的中小市值公司。结合以上条件进行选股，可以筛选出波动性较大、处于走势变化初期且市值适中的投资标的。

有何风险？

该选股逻辑会忽略掉市值较大的公司，从而有可能忽略掉行业龙头，使得选股结果集中于中小市值公司。

如何优化？

可以针对不同行业、不同市值范围设置不同的条件，综合考虑公司的基本面指标与投资逻辑等，调整筛选条件，提高选股的全面性和可靠性。

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、市值适中的盈利能力良好公司。需要根据具体情况调整不同行业和市值范围的条件。

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)

市值适中的盈利能力良好公司：IF(MARKET <= 100000000 AND NPROFIT > 0, 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2021年所有股票数据
all_stocks = ts.get_stock_basics().index.tolist()

# 筛选符合条件的股票
selected_codes = []
for code in all_stocks:
    df = ts.get_hist_data(code, start='2021-01-01', end='2021-12-31')
    if df is None:
        continue
    amp = (df['high'] - df['low']) / df['open'] > 0.01
    k_data_15 = ts.get_k_data(code, ktype='15')
    k_data_15['MACD'], _, k_data_15['MACD_Hist'] = abstract.MACD(k_data_15, timeperiod_fast=12, timeperiod_slow=26, timeperiod_signal=9)
    macd_short = (k_data_15['MACD_Hist'] < 0) & (k_data_15['MACD_Hist'] > k_data_15['MACD_Hist'].shift())
    stock_basics = ts.get_stock_basics()
    market_value = stock_basics.loc[code]['totals'] * stock_basics.loc[code]['price']
    if amp.any() and macd_short.any() and market_value <= 100000000 and stock_basics.loc[code]['nprg'] > 0:
        selected_codes.append(code)

# 输出符合条件的股票代码
print(selected_codes)

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。