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、按个股热度从大到小排序名。
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。按热度排序可以找到市场比较关注、交易量比较大的股票。
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，按照热度排序可能会导致过度追涨、错失合适的入场点等问题。
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，可以设置一定的涨跌停和平均交易量等指标，以避免过于依赖单一因子的盲目操作。
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、按个股热度从大到小排序名。
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)
综合筛选结果：IF(A AND B, 1, 0)
按热度排序名：通过同花顺软件实现排序。
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())
# 按热度排序
df_final = df_filtered_1.sort_values('amount', ascending=False)['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。
