振幅大于1、15分钟周期MACD绿柱变短、今日最低价小于昨日

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、今日最低价小于昨日最低价。

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走势即将发生变化，今日最低价小于昨日最低价则代表股价具有一定的弹性。结合以上条件进行选股，可以选择波动性较大、走势即将改变，且股价具有较强的弹性的标的。

有何风险？

单纯以今日最低价小于昨日最低价作为选股条件，可能会忽略了当日利空消息等因素的影响，股价可能会继续下跌。同时，振幅大的股票风险较大，需要格外谨慎。

如何优化？

可以加入其他技术分析指标如KDJ、OBV等来筛选高质量标的。同时，需要结合市场环境和时段，增加其他筛选条件，如涨跌幅限制、换手率等。

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、今日最低价小于昨日最低价以及其他技术分析指标的筛选条件。需要根据具体情况调整选股条件和时间窗口。

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)

今日最低价小于昨日最低价：LOW < REF(LOW,1)

综合筛选结果：IF(A AND B AND C AND …, 1, 0)

python代码参考

import tushare as ts
from functools import reduce

# 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())
    today_low_less_than_yesterday_low = df.iloc[-1]['low'] < df.iloc[-2]['low']
    if amp.any() and macd_short.any() and today_low_less_than_yesterday_low:
        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。