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、归属母公司股东的净利润(同比增长率)大于20%小于等于100%。
选股逻辑分析
该选股逻辑综合考虑多个因素，包括技术面指标和财务面指标。振幅大于1可以找到具有波动性的股票，MACD绿柱变短可以反映股票的走势即将发生变化，归属母公司股东的净利润(同比增长率)大于20%小于等于100%则意味着公司业绩增速稳健。这可以有效过滤掉那些波动性较大且业绩不稳定的股票，同时有望抓住业绩稳健且处于技术上反转的股票。
有何风险？
尽管综合了财务面和技术面指标，但在股票价格中仍存在其他影响因素，如市场情绪等。同时，过分依赖股票财务数据也有可能由于财务数据真实性等问题导致误判。综上所述，在使用此类选股策略时，需注意风险控制和资金管理。
如何优化？
优化方案可考虑增加其他财务面指标，如营收、利润率等，以更全面地了解公司业绩表现。同时，可通过数据分析，探索更稳健的业绩指标，以提高选股精度。
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、归属母公司股东的净利润(同比增长率)大于20%小于等于100%。
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)
归属母公司股东的净利润(同比增长率)大于20%小于等于100%：IF((BASIC_EPS - REF(BASIC_EPS, 4)) / ABS(REF(BASIC_EPS, 4)) > 0.2 AND (BASIC_EPS - REF(BASIC_EPS, 4)) / ABS(REF(BASIC_EPS, 4)) <= 1, 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_financial = ts.get_profit_data(2021, 1)
df_filtered_2 = df_filtered_1.merge(df_financial[['code', 'roe']], on='code', how='inner')
df_filtered_2_roe = df_filtered_2[(df_filtered_2['roe'] > 20) & (df_filtered_2['roe'] <= 100)]
df_filtered_3 = df_filtered_2_roe.sort_values(by=['amount'], ascending=False)
# 输出结果
df_final = df_filtered_3[['code', 'name', 'trade', 'changepercent', 'open', 'high', 'low', 'volume', 'amount', 'roe']]
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。
