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、资金强度从大到小排序。
选股逻辑分析
该选股逻辑在原有选股条件的基础上，加入了资金强度从大到小排序的条件。基于选股者想要追求高资金量的流入，以及更侧重基本面和成长性较好的股票，这样对于整体市场环境等都有更好的筛选作用。
有何风险？
该选股逻辑仍然存在以下风险：1）过于依赖技术指标可能忽视股票的基本面因素；2）振幅大的股票存在潜在的风险因素；3）忽略市场整体情况可能导致股票选取偏颇；4）排序会容易出现资金活跃但是涨幅较小的情况。
如何优化？
优化方案包括：1）加强基本面和成长性股票的挑选，如市盈率等指标的使用；2）排除资金被超级大单或机构抢筹可能存在的股票；3）考虑资金量与交易量的结合筛选，以排除市场整体情况的影响； 4) 可以根据资金变化速度和市场整体环境进行排序，调整筛选侧重方向与排序优先级等。
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、资金从大到小排序。
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)
资金从大到小排序：IF(SORT(C, 2) == C, 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
import talib
# 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['DIF'], df_k_data['DEA'], df_k_data['MACD'] = talib.MACD(df_k_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
df_filtered_1 = df_filted_by_amp.merge(df_k_data[['date', 'MACD']], on='date', how='inner')
df_filtered_1['short_macd'] = (df_filtered_1['MACD'] < 0) & (df_filtered_1['MACD'] > df_filtered_1['MACD'].shift())
df_filtered_1 = df_filtered_1[df_filtered_1['short_macd']]
df_filtered_2 = df_filtered_1.sort_values(by=['amount'], ascending=False)
# 输出结果
df_final = df_filtered_2[['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。
