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、大单净量排行高的股票。
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，大单净量排行可以反映股票的机构资金流入情况。这种选股逻辑结合了股票走势和资金面分析，可以发现有一定投资潜力的股票。
有何风险？
使用大单净量排行作为选股条件可能会出现投机和欺诈行为，可能存在人为操作风险。同时，股票市场具有时效性，即选股时的市场行情和现在的市场行情可能会有所不同。
如何优化？
可以结合各种基本面和技术面指标进行选股，例如市盈率、市净率、各种平均线（例如60日均线）等指标。同时，要根据市场行情和自己的风险偏好进行适当的调整，避免盲目跟风和投机行为。
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、大单净量排行高（可根据自己的风险偏好进行适当的调整），并结合基本面和技术面指标等因素进行综合分析。
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)
大单净量排行高：IF(BARSLAST(VOL > MA(VOL, 60) * 1.5), 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())
# 大单净量排行高
df_vol = ts.get_sina_dd('000001', date='2022-02-22')
df_vol['avg_vol_60'] = abstract.MA(df_vol['volume'], timeperiod=60)
df_filtered_2 = df_filtered_1.merge(df_vol[['code', 'volume', 'avg_vol_60']], on='code', how='inner')
df_filtered_2['large_volume'] = df_filtered_2['volume'] > df_filtered_2['avg_vol_60'] * 1.5
# 最终筛选结果
df_final = df_filtered_2[df_filtered_2['large_volume']]['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。
