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、流通市值在50 - 100亿之间的股票。
选股逻辑分析
该选股策略主要考虑了技术面和基本面的因素。振幅大于1可以找到波动性较大的股票，15分钟周期MACD绿柱变短可以反映股票的走势即将发生变化，而流通市值在50 - 100亿之间可以筛选出一定规模且市场活跃度较高的股票。同时，基于流通市值的限制，可以排除部分持续下跌或过于冷门的个股。该选股逻辑比较全面，可以在一定程度上筛选具有潜在投资价值的股票。
有何风险？
该选股逻辑对股票的筛选条件较为苛刻，可能会错过一些潜在投资价值较高的个股。此外，在实际操作过程中，市场情况可能发生变化，需要及时调整选股策略。同时，流通市值的限制可能过于简单，可能存在市值大小不代表股票投资价值的情况。因此，需要在操作过程中进行全面的判断，避免盲目跟进。
如何优化？
可通过增加其他基本面和技术面指标，如市盈率、收益率、相对强弱指标等，以构建更全面的选股策略。同时，可结合资金面以及市场宏观因素，寻求更准确的选股能力。
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、流通市值在50 - 100亿之间的股票。
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)
流通市值在50 - 100亿之间：IF(CIRC_MARKET_VALUE >= 5000000000 AND CIRC_MARKET_VALUE <= 10000000000, 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()
df_filted_by_amp = df_all[df_all['turnoverratio'] > 1] # 振幅大于1
df_selected_market = df_filted_by_amp[(50<=df_filted_by_amp['circ_mv']/100000000)&
(df_filted_by_amp['circ_mv']/100000000<=100)] # 筛选流通市值50 - 100亿的股票
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_selected_market.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_filtered_2 = df_filtered_1.merge(df_all[['code','name','trade','close','npanchang','inpanchang']], on='code', how='inner')
df_filtered_3 = df_filtered_2[df_filtered_2.groupby('code')['close'].rolling(7).min() == df_filtered_2['close']]
df_filtered_4 = df_filtered_3.sort_values(by=['amount'], ascending=False)
# 输出结果
df_final = df_filtered_4[['code', 'name', 'trade', 'changepercent', 'open', 'high', 'low', 'volume', 'amount', 'circ_mv']]
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。
