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、昨天换手率＞8%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，昨天换手率＞8%可以反映出股票的市场活跃度。通过这些指标的筛选，可以找到波动性较大且市场活跃度较高的个股。
有何风险？
使用昨天换手率作为选股条件可能会存在市场交易特征变化的风险，例如在特殊行情下（如板块轮动、大宗交易等），换手率可能会存在短期波动，导致选股难度增加。同时，部分股票市场交投较少，流通性较差，若仅以振幅作为筛选条件可能会出现选股效果不佳的情况。
如何优化？
可以结合其他特征和指标进行选股筛选，例如市净率、市盈率、股息率等基本面指标，以及各种形态指标和均线指标等技术面指标。同时，可以将昨天换手率的标准根据实际市场情况进行灵活的调整，以适应不同市场状况的选股需要。
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、昨天换手率＞8%（可根据实际市场情况进行调整），并结合其他基本面和技术面指标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)
昨天换手率＞8%：IF(TO/TCAP > 0.08, 1, 0) （其中TO表示成交额，TCAP表示流通市值）
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_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())
# 昨天换手率＞8%
df_fund_data = ts.get_stock_basics()
df_filtered_2 = df_filtered_1[df_filtered_1['code'].isin(df_fund_data.index)]
df_filtered_3 = df_filtered_2.merge(df_fund_data[['totals', 'float_share', 'turnoverratio']], left_on='code', right_index=True, how='inner')
df_filtered_4 = df_filtered_3[((df_filtered_3['turnoverratio']*100) / (df_filtered_3['float_share']/df_filtered_3['totals'])) > 8]
# 最终筛选结果
df_final = df_filtered_4[df_filtered_4['short_macd']]['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。
