振幅大于1、15分钟周期MACD绿柱变短、高点为两日最高。

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、高点为两日最高。

选股逻辑分析

该选股逻辑在原有选股条件的基础上，加入了高点为两日最高的条件。基于选股者想要在股票高点买入，以及更侧重技术面因素的考量，这样对于整体市场环境等都有更好的筛选作用。

有何风险？

该选股逻辑仍然存在以下风险：1）过于依赖技术指标可能忽视股票的基本面因素；2）振幅大的股票存在潜在的风险因素；3）考虑到高点，存在股票买入的时机偏颇可能导致股票选取失误。

如何优化？

优化方案包括：1）加强基本面和成长性股票的挑选，如市盈率等指标的使用；2）振幅大的股票有时可能是短线投机资金的结果，因此可考虑加入价格动量和趋势指标， 以及量价同时上升等，以排除此类股票的影响；3）高点考虑不同周期的平均值、波动率等，以便更准确的掌握股票的变化趋势和市场状况； 4）可根据个人投资偏好进行筛选和排序，如短线操作偏好以收敛形态为主，长线投资则侧重宏观面和政策面等。

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、高点为两日最高。

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)

高点为两日最高：IF(H == HHV(H, 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

# 获取所有股票数据
df_all = ts.get_today_all()

# 挑选符合条件的股票
df_filted_by_amp = df_all[df_all['turnoverratio'] > 1]

df_k_data = ts.get_k_data('000001', '15')
df_k_data['MACD'], _, df_k_data['MACD_Hist'] = abstract.MACD(df_k_data, timeperiod_fast=12, timeperiod_slow=26, timeperiod_signal=9)
df_filtered_1 = df_filted_by_amp.merge(df_k_data[['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())

df_k_data = ts.get_k_data('000001', 'D')
df_filtered_1 = df_filtered_1.merge(df_k_data[['date', 'high']], on='date', how='inner')
df_filtered_1['HHV'] = df_filtered_1['high'].rolling(window=2).max()
df_filtered_1['two_days_high'] = df_filtered_1['high'] == df_filtered_1['HHV']
df_filtered_1 = df_filtered_1[df_filtered_1['two_days_high']]

df_filtered_2 = df_filtered_1.sort_values(by=['amount'], ascending=False)

# 输出结果
df_final = df_filtered_2[['code', 'name', 'trade', 'changepercent', 'open', 'high', 'low', 'volume', 'amount']]

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。