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、PE>0。
选股逻辑分析
振幅大于1可以找到波动性较大的股票，指示着投资机会，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，PE>0则表明该股票具有一定的盈利能力，具有一定的投资价值。
有何风险？
该选股策略仍然过于依赖技术指标，忽略了市场环境和基本面等其他因素的影响，可能存在一定的盲目性和局限性。同时，PE值作为估值指标存在着很大的主观性和不确定性，很难真正反映出股票的价值水平。
如何优化？
可以将技术面因素和基本面因素相结合，以多方面因素综合评估股票的投资价值。同时，PE值需要结合股票所处的行业和同行业的估值水平进行分析，以更准确地反映股票的估值水平。
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、PE>0。
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)
PE>0：IF(PE > 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_15 = ts.get_k_data('000001', '15')
df_k_data_15['MACD'], _, df_k_data_15['MACD_Hist'] = abstract.MACD(df_k_data_15, timeperiod_fast=12, timeperiod_slow=26, timeperiod_signal=9)
df_filtered_1 = df_filtered_by_amp.merge(df_k_data_15[['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())
# PE>0
df_filtered_2 = df_filtered_1[df_filtered_1['pe'] > 0]
# 综合筛选结果
df_final = df_filtered_2[df_filtered_2['short_macd']]['code']
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。
