振幅大于1、15分钟周期MACD绿柱变短、饮料酒进出口

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、饮料酒进出口。

选股逻辑分析

该选股逻辑是在技术面指标和基本面指标结合的基础上进行的。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可能即将发生变化，同时结合饮料酒进出口可以选择具有热门行业背景的股票。

有何风险？

尽管选股逻辑结合了技术面和基本面指标，但仍存在以下风险：1）振幅大的股票容易受到市场情绪和资金的影响，涨跌不稳定；2）MACD绿柱变短并不一定就意味着即将出现反转，需结合其他指标进行判断；3）饮料酒进出口只是辅助选股，不能保证所选股票的走势。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基本面指标，如公司盈利、财务健康度等，综合考虑股票的价值。同时，可考虑使用机器学习算法进行模型训练，获取更加准确的预测结果。

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、饮料酒进出口。

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)

饮料酒进出口：IF(YYJCKRLZZL > 0 AND YLJCKRLZZL > 0 AND BDXSJCKRLZZL > 0,1,0)

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_out_in_data = ts.get_money_supply_bal()
df_filtered_2 = df_filtered_1.merge(df_out_in_data[['code', 'YYJCKRLZZL', 'YLJCKRLZZL', 'BDXSJCKRLZZL']], on='code', how='inner')
df_filtered_2['out_in'] = (df_filtered_2['YYJCKRLZZL'] > 0) & (df_filtered_2['YLJCKRLZZL'] > 0) & (df_filtered_2['BDXSJCKRLZZL'] > 0)

df_filtered_3 = df_filtered_2[df_filtered_2['out_in']]

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。