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、企业性质。
选股逻辑分析
振幅大于1可以找到波动性较大的股票，指示着投资机会，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，企业性质则可以通过关注行业热点、政策利好等因素，更全面地分析市场，提高选股准确性。
有何风险？
企业性质作为复杂多变的市场因素，只从企业性质上挑选股票会过于简单化，容易忽略其他因素影响。而行业热点、政策利好等因素也是容易出现变化，容易导致选股策略的变数增加。
如何优化？
可以多方面考虑市场环境、基本面等因素，在选股时综合使用多种指标和数据，让选股策略更加全面、细致。例如，在企业性质这一维度上，可以更加具体地选择行业、板块或者主题概念，关注具有行业领先地位或者潜在成长空间的公司。
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、企业性质。
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)
企业性质：可以通过同花顺等财经网站筛选所需企业性质的股票。
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())
# 企业性质
df_filtered_2 = df_filtered_1[df_filtered_1['industry'] == '行业名称']
# 最终筛选结果
df_final = df_filtered_2.sort_values('amount', ascending=False)['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。
