问财量化选股策略逻辑
选股逻辑为振幅大于1、2021年、15分钟周期MACD绿柱变短进入待投资池。
选股逻辑分析
- 振幅大于1表明该股票波动性较高,有较大的涨幅和收益的可能;
- 2021年作为选股时间段,可以分析市场趋势等信息;
- 15分钟周期下MACD绿柱变短,代表买入力量减弱,该股票可能面临调整。
有何风险?
- MACD绿柱变短的情况只能代表短期趋势,可能引发选股的不准确性;
- 忽略了公司基本面等因素,只考虑技术面选股,风险较大。
如何优化?
- 结合其他技术指标,如均线、KDJ等,进行综合选股策略;
- 引入基本面分析,寻找具备潜力的股票;
- 调整时间周期和技术指标参数,根据市场情况进行优化。
最终的选股逻辑
选取振幅大于1、2021年、15分钟周期下MACD绿柱变短的股票进入待投资池。
同花顺指标公式代码参考
//振幅大于1
COND1:=(HIGH-LOW)/LOW>0.01;
//2021年
COND2:=YEAR=2021;
//MACD绿柱变短
DIF:=REF(EMA(CLOSE, 12), 1)-REF(EMA(CLOSE, 26),1);
DEA:=EMA(DIF, 9);
MACD:=2*(DIF-DEA);
COND3:=SUB>REF(SUB, 1) AND REF(SUB, 1) < REF(SUB, 2);
//综合条件
CONDITION:=COND1 AND COND2 AND COND3;
SIGNAL:=CHECKCOND(CONDITION, 1);
Python代码参考
import pandas as pd
import akshare as ak
from talib import abstract
def get_trade_data(stock_code):
stock_df = ak.stock_zh_a_minute(symbol=stock_code, period='15')
stock_df.rename(columns={"成交额":"amount","成交量":"volume","收盘价":"close","开盘价":"open","股票代码":"symbol","日期":"date","涨跌幅":"pct_change", "最高价":"high", "最低价":"low", "换手率":"turnover", "市盈率":"PE", "市净率":"PB", "板块名称":"boardname"}, inplace=True)
stock_df['date'] = pd.to_datetime(stock_df['date'])
macd = abstract.MACD(stock_df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
stock_df['macd'] = macd['macdhist']
stock_df['macd_shift'] = stock_df['macd'].shift(1)
# 振幅大于1
cond1 = (stock_df['high'] - stock_df['low']) / stock_df['low'] > 0.01
# 2021年
cond2 = stock_df['date'].dt.year == 2021
# MACD绿柱变短
cond3 = (stock_df['macd'] > stock_df['macd_shift']) & (stock_df['macd_shift'] < stock_df['macd_shift'].shift(1))
# 综合条件
basic_cond = cond1 & cond2 & cond3
df = stock_df.loc[basic_cond].sort_values('close', ascending=False).reset_index(drop=True)
return df
def select(df):
return df
## 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。
