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、三连阴。
选股逻辑分析
该选股逻辑结合了技术面指标和股票的趋势分析。振幅大于1可以找到具有波动性的股票，MACD绿柱变短可以反映股票的走势即将发生变化，三连阴可以反映股票的趋势走向。三连阴策略认为，市场在短时间内的下跌未体现所有信息，当出现三天下跌时，市场已经开始反应所有信息，股票有可能会出现反转走势。综合起来可以找到有波动性、有变化趋势且有可能反转的股票。
有何风险？
尽管选股逻辑结合了技术面指标和股票的趋势分析，但仍存在以下风险：1）股票走势及趋势影响因素较多，选股逻辑存在较大盲区；2）选股逻辑只考虑了短期趋势，对于中长期走势的判断有限；3）选股后的操作风险需要考虑，操作不当可能导致亏损。因此，在使用此类选股策略时，需注意风险控制和资金管理。
如何优化？
优化方案可考虑增加其他股票长期趋势分析指标，如均线等，以更准确地把握股票走势。同时，可通过数据分析，找到更可靠的股票走势信号，以提高选股精度。
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、三连阴。
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)
三连阴：IF(DAYSLAST(CLOSE < REF(CLOSE, 1)), 1, 0) AND IF(DAYSLAST(CLOSE[1] < REF(CLOSE[1], 1)), 1, 0) AND IF(DAYSLAST(CLOSE[2] < REF(CLOSE[2], 1)), 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()
# 挑选符合条件的股票
df_filted_by_amp = df_all[df_all['turnoverratio'] > 1]
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_filted_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())
df_k_data2 = ts.get_k_data('000001', 'D')
df_filtered_2 = df_filtered_1.merge(df_k_data2[['date', 'close']], on='date', how='inner')
df_filtered_2['down_days'] = (df_filtered_2['close'] < df_filtered_2['close'].shift()).astype(int)
df_filtered_2['down_days_roll'] = df_filtered_2['down_days'].rolling(3).sum()
df_filtered_3 = df_filtered_2[df_filtered_2['down_days_roll'] == 3]
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']]
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。
