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、至少5根均线重合的股票。
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走势即将发生变化,至少5根均线重合代表股价具有较强的支撑。结合以上条件进行选股,可以选择波动性较大、走势即将改变,且股价具有较强的支撑的标的。
有何风险?
过度依赖均线重合可能会忽略其他重要的技术指标,同时均线的计算方法和时间长度也会影响其准确性。因此,需要结合其他技术指标进行综合分析。
如何优化?
可以加入其他技术分析指标如KDJ、OBV等来筛选高质量标的。同时,需要根据不同的股票池和行情进行调整和优化选股条件,例如可以增加对成交量和换手率的限制等。
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、至少5根均线重合,并且结合其他技术分析指标综合筛选标的。
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)
至少5根均线重合:IF(CROSS(MA(CLOSE,5),MA(CLOSE,10)) AND CROSS(MA(CLOSE,5),MA(CLOSE,20)) AND CROSS(MA(CLOSE,5),MA(CLOSE,30)) AND CROSS(MA(CLOSE,5),MA(CLOSE,60)) AND CROSS(MA(CLOSE,5),MA(CLOSE,120)), 1, 0)
综合筛选结果:IF(A AND B AND C AND …, 1, 0)
python代码参考
import tushare as ts
from talib import abstract
from functools import reduce
# 筛选符合条件的股票
selected_codes = []
for code in ts.get_stock_basics().index:
df = ts.get_hist_data(code, start='2022-01-01', end='2022-03-31')
if df is None:
continue
amp = (df['high'] - df['low']) / df['open'] > 0.01
k_data_15 = ts.get_k_data(code, ktype='15')
k_data_15['MACD'], _, k_data_15['MACD_Hist'] = abstract.MACD(k_data_15, timeperiod_fast=12, timeperiod_slow=26, timeperiod_signal=9)
macd_short = (k_data_15['MACD_Hist'] < 0) & (k_data_15['MACD_Hist'] > k_data_15['MACD_Hist'].shift())
ma_close_5 = abstract.MA(df, 5)
ma_close_10 = abstract.MA(df, 10)
ma_close_20 = abstract.MA(df, 20)
ma_close_30 = abstract.MA(df, 30)
ma_close_60 = abstract.MA(df, 60)
ma_close_120 = abstract.MA(df, 120)
ma_cross = (ma_close_5 > ma_close_10) & (ma_close_5 > ma_close_20) & (ma_close_5 > ma_close_30) & (ma_close_5 > ma_close_60) & (ma_close_5 > ma_close_120)
if amp.any() and macd_short.any() and ma_cross.any():
selected_codes.append(code)
# 输出符合条件的股票代码
print(selected_codes)
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。