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、周线MA5金叉MA10。
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，周线MA5金叉MA10可以反映出股票处于中长期上涨趋势中。这三个指标的综合筛选可以找到既有波动性，又有即将反弹的股票，同时具备中长期上涨的支撑，提高选股的风险控制和收益率。
有何风险？
该选股策略可能会忽略一些短期走势较好但基本面较弱的股票机会。同时，振幅大于1也可能会带来一些低市值的高风险股票，需要谨慎防范投资风险。
如何优化？
可以结合基本面和技术面进行综合分析，加强对宏观经济和行业趋势的了解，以获得更全面和准确的股票选取依据。此外，可以使用人工智能和机器学习等方法对历史数据进行挖掘和分析，利用更多的数据特征进行选股，进一步提高选股策略的准确性和精度。
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、周线MA5金叉MA10。
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)
周线MA5金叉MA10：IF(CROSS(MA(C, 5), MA(C, 10)), 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())
# 周线MA5金叉MA10
df_week_k_data = ts.get_k_data('000001', 'wk')
df_week_k_data['MA5'] = abstract.MA(df_week_k_data, timeperiod=5)
df_week_k_data['MA10'] = abstract.MA(df_week_k_data, timeperiod=10)
df_filtered_2 = df_filtered_1.merge(df_week_k_data[['date', 'MA5', 'MA10']], on='date', how='inner')
df_filtered_2['ma5_cross_ma10'] = (df_filtered_2['MA5'] > df_filtered_2['MA10']) & (df_filtered_2['MA5'].shift() < df_filtered_2['MA10'].shift())
# 输出结果
df_final = df_filtered_2[['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。
