振幅大于1、MACD零轴以上、最近三天的收盘价均小于前一日收

选股逻辑

选取振幅大于1、MACD零轴以上、最近三天的收盘价均小于前一日收盘价的股票。

选股逻辑分析

通过振幅大于1、MACD零轴以上提高筛选出的股票的技术面水平，同时通过最近三天的收盘价均小于前一日收盘价的条件筛选出短期内有可能下跌的股票。

有何风险？

该选股逻辑不能充分考虑股票基本面和市场环境的变化，容易选出过于悲观的股票，导致过度卖出或低估的现象出现。

如何优化？

除了考虑技术面和短期涨跌趋势外，还应结合基本面分析、市场环境等因素来筛选股票，以提高选股的准确性。

最终的选股逻辑

选取振幅大于1、MACD零轴以上、最近三天的收盘价均小于前一日收盘价的股票。

同花顺指标公式代码参考

• 振幅：ABS((HIGH-LOW)/REF(CLOSE,1)*100)>1
• MACD零轴以上：CROSS(MACD(12,26,9),0)>0
• 三连阴：CLOSE<REF(CLOSE,1) AND REF(CLOSE,1)<REF(CLOSE,2) AND REF(CLOSE,2)<REF(CLOSE,3)

选取股票代码：

• SELECTED: VAR1 AND VAR2 AND VAR3;

python代码参考

import tushare as ts
import talib

def get_filter():
    # 获取MACD指标和振幅指标
    df = ts.get_k_data('hs300', start='20210101', index=True)
    macd, signal, hist = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
    amplitude = abs(df['high'] - df['low']) / df['open']

    # 获取三连阴指标
    df['prev_close'] = df['close'].shift(1)
    df['two_prev_close'] = df['close'].shift(2)
    df['three_prev_close'] = df['close'].shift(3)
    df['is_three_red'] = (df['close'] < df['prev_close']) & (df['prev_close'] < df['two_prev_close']) & (df['two_prev_close'] < df['three_prev_close'])

    # 选出符合条件的股票代码
    mask = [code for code in df.index.values if (code in macd.index.values) and (code in amplitude.index.values) and (df.loc[df.index == code, 'is_three_red'].values[0])]
    mask = sorted(mask, key=lambda x: macd.loc[x, 'hist'], reverse=True)

    return mask

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。