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、kdj（k）增长值的股票。
选股逻辑分析
该选股策略综合考虑了技术面的指标。振幅大于1可以找到波动性较大的股票，15分钟周期MACD绿柱变短可以反映股票的走势即将发生变化，kdj（k）增长值可以反映出股票当前趋势是否强，是否有较强的上涨空间。综合考虑以上指标，可以筛选出有上涨空间且具备一定投资价值的股票。
有何风险？
该选股逻辑对股票的筛选条件较为苛刻，可能会错过一些潜在投资价值较高的个股。同时，该策略过于依赖技术面因素，可能忽略了基本面因素对股票影响。因此，在实际操作中需要对该选股策略进行全面判断和筛选，而非盲目跟进选股结果。
如何优化？
可以在该选股逻辑的基础上考虑引入更多基本面指标，如市盈率、市净率等指标，以构建更全面的选股策略。同时，针对技术面指标的依赖，可以加入其他技术面指标，如RSI、移动平均线等等，以增加选股策略的效益。
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、kdj（k）增长值的股票。
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)
kdj（k）增长值：IF((KDJ(KDJRANGE, 5, 3, 3).KDJ_K + KDJ(KDJRANGE, 5, 3, 3).KDJ_K.REF(1)) / 2 > KDJ(KDJRANGE, 5, 3, 3).KDJ_K, 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()
df_filted_by_amp = df_all[df_all['turnoverratio'] > 1] # 振幅大于1
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_filted_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())
df_kdj = ts.get_k_data('000001', start='20210101', end='20210521') # KDJ周转换，将日K线转化为周K线
df_kdj = df_kdj[['date', 'close', 'high', 'low']]
df_kdj = df_kdj.sort_values(by='date')
df_kdj.reset_index(inplace=True, drop=True)
df_kdj.index = pd.to_datetime(df_kdj['date'])
df_kdj = df_kdj.drop(['date'], axis=1)
kdj_k_value = abstract.KDJ(df_kdj, timeperiod=9, prices=['high', 'low', 'close']).KDJ_K # 计算KDJ_K值
kdj_k_value_week = kdj_k_value.resample('W').last() # 每周采样
df_kdj_week = pd.DataFrame(kdj_k_value_week).reset_index()
df_kdj_week['kdj_k_growth'] = pd.Series(df_kdj_week['KDJ_K']).pct_change()
df_filtered_2 = df_filtered_1.merge(df_all[['code','name','trade','close','npanchang','inpanchang']], on='code', how='inner')
df_filtered_3 = df_filtered_2.merge(df_kdj_week[['KDJ_K', 'kdj_k_growth']], on='code', how='inner')
df_filtered_4 = df_filtered_3[df_filtered_3['kdj_k_growth'] > 0]
df_filtered_5 = df_filtered_4.sort_values(by=['amount'], ascending=False)
# 输出结果
df_final = df_filtered_5[['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。
