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、收盘价大于昨日的最低价的股票。
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绿柱变短可以反映股票的走势即将发生变化，收盘价大于昨日的最低价则反映出较强的买入力量。这些指标的综合运用可以找到在技术面和基本面都具备较好投资潜力的股票。
有何风险？
该选股策略存在技术面和基本面指标过于片面和局限的问题，同时考虑的因素较为单一，因此可能忽略了一些重要因素对股票走势的影响，存在一定的风险。另外，日内振幅和涨跌幅等指标的判断标准可能存在主观性，容易产生缺陷。
如何优化？
可以引入更多市场情绪指标，如资金流向、板块涨跌等指标，加强对市场情绪方面的考虑。同时，在判断振幅、MACD等指标时，需要更加科学、客观地确定标准，避免主观因素对选股策略产生影响。针对收盘价大于昨日的最低价这一指标，可以引入其他买入力量的指标，如成交量等指标。
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、收盘价大于昨日的最低价的股票。
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)
收盘价大于昨日的最低价：IF(CLOSE > REF(LOW, 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()
# 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())
# 收盘价大于昨日的最低价
df_k_data = ts.get_k_data('000001')
df_k_data['yesterday_low'] = df_k_data['low'].shift(1)
df_filtered_2 = df_filtered_1.merge(df_k_data[['date', 'close', 'yesterday_low']], on='date', how='inner')
df_filtered_2['close_larger'] = df_filtered_2['close'] > df_filtered_2['yesterday_low']
df_filtered_3 = df_filtered_2[(df_filtered_2['short_macd']) & (df_filtered_2['close_larger'])]
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', '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。
