(supermind)振幅大于1、100亿市值以内的无亏损企业、15分钟周期MACD绿柱变

问财量化选股策略逻辑

选股逻辑为振幅大于1，100亿市值以内的无亏损企业，15分钟周期MACD绿柱变短。

选股逻辑分析

1. 振幅大于1可以筛选出短期内波动较大的股票，有较大的盈利机会。
2. 100亿市值以内可筛选出市值较小的股票，可能具有较好的成长潜力。
3. 无亏损企业可以筛选质量较好的企业。
4. 15分钟周期MACD绿柱变短可能为买点信号，可作为技术面的参考。

有何风险？

1. MACD绿柱变短可能只是短期信号，不能保证长期盈利。
2. 筛选市值较小的股票通常波动较大，风险较高。
3. 选股逻辑过于单一，可能会存在选股漏洞。

如何优化？

1. 考虑增加其他重要的技术指标如均线、RSI等。
2. 在筛选市值较小的股票时，可根据行业和业务特点进行筛选。
3. 根据实际情况调整选股逻辑，可采用多种方法来筛选股票。

最终的选股逻辑

选股逻辑为振幅大于1，100亿市值以内的无亏损企业，15分钟周期MACD绿柱变短。在筛选股票时需注意多种因素的组合筛选，同时需注意市值较小股票的风险。

同花顺指标公式代码参考

ABS(C-REF(C,1))/REF(C,1) > 0.01 AND MktValue<=100 AND MktValue>0 AND IF(net_profit>0, 1, 0) AND CROSS(MACD(15,26,9), MACD(15,26,9)*EMA(CLOSE,9)/EMA(CLOSE,20))

python代码参考

import akshare as ak
import talib

def select():
    data = ak.stock_zh_a_spot()
    data = data.loc[(data['market_capitalization']>0)&(data['market_capitalization']<=100)]
    data = data.loc[data['current_price']!=data['last_close_price']]
    data = data.loc[talib.ABS(data['current_price']-data['last_close_price'])/data['last_close_price']>0.01]
    data = data.loc[data['net_profit'].astype(float)>0]
    data['macd'], data['macd_signal'], data['macd_hist'] = talib.MACD(data['current_price'], fastperiod=15, slowperiod=26, signalperiod=9)
    data = data.loc[talib.CROSS(data['macd'], data['macd_signal']*talib.EMA(data['current_price'], timeperiod=9)/talib.EMA(data['current_price'], timeperiod=20))]
    return data

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)