振幅大于1、15分钟周期MACD绿柱变短、前天MACD值小于

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、前天MACD值小于0。

选股逻辑分析

该选股逻辑是基于技术分析指标来筛选标的，通过振幅大于1、15分钟周期MACD绿柱变短可以找到波动性较大且走势即将发生变化的股票，通过前天MACD值小于0可以筛选出走势可能即将反转的标的。同时，该选股逻辑选出的标的底部有可能已经形成，具有较大的上涨空间。

有何风险？

过度依赖技术指标和市场情绪指标可能会忽略公司基本面因素等其他重要的因素。同时，选股逻辑具有非常大的随机性，选出的标的并不一定会在短期内获得良好的投资回报，不能盲目跟从。

如何优化？

可以加入其他技术分析指标如KDJ、RSI等来筛选高质量标的，并结合基本面分析进行综合评估，更加准确地判断标的是否值得投资。同时，在确定目标标的后，结合技术分析和基本分析来制定买入时机和卖出时机，避免盲目跟从。

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、前天MACD值小于0。

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)

前天MACD值小于0：REF(MACD(),2) < 0

综合筛选结果：IF(A AND B AND C AND …, 1, 0)

python代码参考

import datetime
import tushare as ts
import talib.abstract as abstract

# 筛选符合条件的股票
selected_codes = []
for code in ts.get_stock_basics().index:
    df_day = ts.get_hist_data(code, start='2022-01-01', end='2022-03-31')
    df_15 = ts.get_k_data(code, ktype='15')
    df_last_2_day = ts.get_tick_data(code, date=ts.get_today()-datetime.timedelta(2), src='tt')
    if df_day is None or df_15 is None or df_last_2_day is None:
        continue
    amp = (df_day['high'] - df_day['low']) / df_day['open'] > 0.01
    df_15['MACD'], _, df_15['MACD_Hist'] = abstract.MACD(df_15, timeperiod_fast=12, timeperiod_slow=26, timeperiod_signal=9)
    macd_short = (df_15['MACD_Hist'] < 0) & (df_15['MACD_Hist'] > df_15['MACD_Hist'].shift())
    macd_last_2_day = (df_15['MACD'].iloc[-3] < 0)
    if amp.any() and macd_short.any() and macd_last_2_day:
        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。