问财策略：振幅大于1、15分钟周期MACD绿柱变短、反包。

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、反包。

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，反包一般发生在股价到达多空线附近，表示多空之间的关系可能出现转折。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股价可能出现反转的投资标的。

有何风险？

股价反转的可能性不大，选出的股票可能属于被错估的价值陷阱，存在较大风险。

如何优化？

可以根据不同行业和市值范围调整参数，同时可以计算股票的估值水平，避免选择属于价值陷阱的股票。

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、反包。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)

反包：IF(BARSLAST(C > REF(C,1) AND REF(C,1) < REF(C,2)) OR BARSLAST(C < REF(C,1) AND REF(C,1) > REF(C,2)), 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

# 筛选符合条件的股票
selected_codes = []
for code in ts.get_stock_basics().index:
    df = ts.get_hist_data(code, start='2022-01-01', end='2022-03-31')
    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())
    reversal = (df['close'] > df['open'].shift()) & (df['open'].shift() < df['open'].shift(2)) | (df['close'] < df['open'].shift()) & (df['open'].shift() > df['open'].shift(2))
    if amp.any() and macd_short.any() and reversal.any():
        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。