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、股价为18.5元的股票。
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，股价为18.5元可以选出中小市值股票。这种选股逻辑可以筛选出较为低估、具有一定波动性的股票。
有何风险？
使用股价为18.5元的条件可能会忽略了股票的基本面质量和公司业绩。这种选股逻辑结合了股票走势和基本面分析，但在选择股价合适的股票时过于简单，可能会忽略重要因素，如财务数据、估值水平等。
如何优化？
可以加入其它重要指标，如市盈率、市净率等基本面因素来筛选股票。同时要注意市场的整体情绪和风险。对于股价为18.5元的条件，可以根据股票市盈率、市净率、分析师预期等指标进行调整。
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、股价合适的中小市值股票，并结合各种基本面指标、行业热点和政策利好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)
股价为18.5元：IF(CLOSE == 18.5, 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())
# 股价为18.5元
df_filtered_2 = df_filtered_1[df_filtered_1['trade'] == 18.5]
# 最终筛选结果
df_final = df_filtered_2['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。
