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、未清偿可转债简称不可为空的股票。
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，配合未清偿可转债简称不可为空，可以筛选出未来可能有较高风险的股票。
有何风险？
未清偿可转债简称不可为空并不能完全反映出股票的基本面和财务状况。同时，过度依赖技术指标可能忽略其它重要因素。这种选股逻辑只适用于特定的选股目的，如果不是考虑股票的债务问题，这种筛选条件可能会忽略其他重要信息。
如何优化？
可以加入其它重要指标，如市盈率、市净率等基本面因素来筛选股票。同时要注意市场的整体情绪和风险。对于未清偿可转债简称不可为空的条件，可以根据股票基本面和债券市场情况等因素进行调整。
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、未清偿可转债简称不可为空的股票，并结合各种基本面指标、行业热点和政策利好等因素进行综合分析。
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)
未清偿可转债简称不可为空：IF(ISNULL(BOND_NAME), 0, 1)
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
# 获取可转债数据
df_bonds = ts.get_convertible_bonds()
# 获取所有股票数据
df_all = ts.get_today_all()
# 未清偿可转债简称不可为空
df_filtered_by_bonds = df_all.merge(df_bonds[['bcode', 'bond_name']], left_on='code', right_on='bcode', how='left')
df_filtered_by_bonds = df_filtered_by_bonds[df_filtered_by_bonds['bond_name'].isnull() == False]
# 振幅大于1
df_filtered_by_amp = df_filtered_by_bonds[df_filtered_by_bonds['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())
# 最终筛选结果
df_final = df_filtered_1['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。
