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、非科创。
选股逻辑分析
该选股逻辑基于了解市场波动情况、技术面指标以及排除科技创新公司等非限制性筛选，以筛选出符合自己投资风格的收益潜力的股票。
有何风险？
该选股逻辑存在以下风险：1）过于依赖技术指标可能忽视股票的基本面因素；2）排除科创企业可能错过了潜在的热门行业和个股；3）振幅大的股票存在潜在的风险因素。
如何优化？
优化方案包括：1）加入其他技术指标如KDJ、RSI等，结合行情走势等影响因素以制定出更健全的选股逻辑；2）更细致的挑选非科创企业名称和股票代码以包括热门行业和个股； 3）多维度筛选、结合市场趋势和基本面等其他因素进行相对风险对比。
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、非科创。
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)
非科创：IF(CODETYPE == 1 OR CODETYPE == 10 OR CODETYPE == 11 OR CODETYPE == 12 OR CODETYPE == 13 OR CODETYPE == 14 OR CODETYPE == 15 OR CODETYPE == 16, 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
import talib
# 获取所有股票数据
df_all = ts.get_today_all()
# 挑选非科创
df_filted_by_type = df_all[df_all['codetype'].isin([1,10,11,12,13,14,15,16])]
# 振幅大于1筛选
df_filted_by_amp = df_filted_by_type[df_filted_by_type['turnoverratio'] > 1]
# 15分钟周期MACD绿柱变短筛选
df_k_data = ts.get_k_data('000001', '15')
df_k_data['DIF'], df_k_data['DEA'], df_k_data['MACD'] = talib.MACD(df_k_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
df_filtered_1 = df_filted_by_amp.merge(df_k_data[['date', 'MACD']], on='date', how='inner')
df_filtered_1['short_macd'] = (df_filtered_1['MACD'] < 0) & (df_filtered_1['MACD'] > df_filtered_1['MACD'].shift())
df_filtered_1 = df_filtered_1[df_filtered_1['short_macd']]
# 输出结果
df_final = df_filtered_1[['code', 'name', 'trade', 'changepercent', 'open', 'high', 'low', 'volume', 'turnoverratio']]
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。
