振幅大于1、15分钟周期MACD绿柱变短、量比大于1.5、量

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、量比大于1.5、量比小于6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，量比大于1.5和量比小于6可以反映出股票正在经历大量资金的买卖。通过这些指标的筛选，可以找到波动性较大且成交量活跃的个股。

有何风险？

量比作为选股条件时可能会存在大笔交易后导致量比异常的情况。同时，振幅大而市值小的个股很有可能是次新股或具有较高风险的个股，应注意风险控制。

如何优化？

可以结合其他指标进行选股筛选，例如市净率、市盈率、股息率等基本面指标，以及各种形态指标和均线指标等技术面指标。同时，可以将选股条件调整为长期累计收益或一段时间内的累计收益，以克服短期波动带来的损失。

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、量比大于1.5、量比小于6，并结合其他基本面和技术面指标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)

量比大于1.5：IF(VOL > REF(VOL,1)*1.5, 1, 0)

量比小于6：IF(VOL < REF(VOL,1)/6, 1, 0)

综合筛选结果：IF(A AND B AND C AND D, 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())

# 量比大于1.5、小于6
df_filtered_2 = df_filtered_1[(df_filtered_1['volume'] > df_filtered_1['volume'].shift() * 1.5) & 
                              (df_filtered_1['volume'] < df_filtered_1['volume'].shift() / 6)]

# 最终筛选结果
df_final = df_filtered_2[df_filtered_2['short_macd']]['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。