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、三个技术指标同时金叉。
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，同时三个技术指标同时金叉可以反映出多重技术指标的确认，增强选股策略的可靠性和精准性。
有何风险？
该选股策略依赖于多个指标同时金叉，可能会忽略掉其他指标的变化，从而导致选出的股票走势不尽如人意。同时，技术指标存在滞后性，可能会导致选股策略的操作时间不够精准。
如何优化？
可以考虑引入更多的技术指标，如CCI、KDJ等指标，同时可以设计更为严格的条件，如金叉后一定时间价格变化率、处于长期上涨趋势等条件，从而提高选股的准确率和精度。同时，可以将选股策略纳入到投资组合中，进行额外的风险分散和收益提升。
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、三个技术指标同时金叉。
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)
三个技术指标同时金叉：IF(CROSS(MA(CLOSE, 5), MA(CLOSE, 10)) AND CROSS(MA(CLOSE, 10), MA(CLOSE, 20)) AND CROSS(MA(CLOSE, 20), MA(CLOSE, 60)), 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 = 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_filtered_by_amp.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())
# 三个技术指标同时金叉
df_filtered_2 = df_filtered_1[df_filtered_1['close'].rolling(window=5).mean() > df_filtered_1['close'].rolling(window=10).mean()]
df_filtered_3 = df_filtered_2[df_filtered_2['close'].rolling(window=10).mean() > df_filtered_2['close'].rolling(window=20).mean()]
df_filtered_4 = df_filtered_3[df_filtered_3['close'].rolling(window=20).mean() > df_filtered_3['close'].rolling(window=60).mean()]
# 输出结果
df_final = df_filtered_4.sort_values(by=['amount'], ascending=False)[['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。
