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、流通市值大于100亿元的股票。
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，流通市值大于100亿元提示了该股票拥有较好的企业基本面。通过这些指标的筛选，可以找到走势良好、市场交易活跃度高、企业基本面较好的个股。
有何风险？
使用流通市值作为选股条件可能会存在市场行情变化的风险，某些时期，市场对流通市值较大的股票可能情绪不佳，导致选股难度增加。同时，股票市场具有时效性，即选股时的市场行情和现在的市场行情可能会有所不同。
如何优化？
可以结合各种基本面和技术面指标进行选股，例如市盈率、市净率、ROE、股息率、各种平均线（例如60日均线）等指标。同时，要根据市场行情和自己的风险偏好进行适当的调整，避免盲目跟风和投机行为。
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、流通市值大于100亿元（可根据自己的风险偏好进行适当的调整），并结合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)
流通市值大于100亿元：IF(CIRCULAT_MV > 100, 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())
# 流通市值大于100亿元
df_filtered_2 = df_filtered_1[df_filtered_1['circulating_market_cap'] > 10000000000]
# 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。
