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、深证主板中市盈率0-29.01，市净率0-3.11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，深证主板中市盈率和市净率的筛选可以找到性价比较高的股票。这些条件的综合使用可以找到较具潜力的股票。
有何风险？
深证主板中市盈率和市净率的筛选过于粗略，难以全面反映企业价值，过度依靠这一指标可能会忽略其他影响企业股价的因素，如行业和公司的特殊情况等。
如何优化？
可以综合考虑市场环境、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，可以结合行业热点、政策利好等因素筛选出较具潜力的股票，同时加入其它财务指标如盈利增长率、营收增长率等维度来辅助选股。
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、深证主板中市盈率0-29.01，市净率0-3.11的股票。
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)
深证主板中市盈率和市净率：可以通过同花顺等财经网站筛选所需市盈率和市净率范围的股票。
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())
# 深证主板中市盈率和市净率
df_finance = ts.get_stock_basics()
df_filtered_2 = df_filtered_1.merge(df_finance, left_on='code', right_index=True, how='inner')
df_filtered_2 = df_filtered_2[(df_filtered_2['pe'] > 0) & (df_filtered_2['pe'] < 29.01) & (df_filtered_2['pb'] < 3.11)]
# 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。
