问财量化选股策略逻辑
选股逻辑：振幅大于1，底部抬高，15分钟周期MACD绿柱变短。
选股逻辑分析
该选股策略综合运用了技术指标和基本面数据，通过选用技术指标的振幅和底部抬高等因素来筛选走势稳定的个股，同时还通过选用MACD技术指标来识别股票走势的短期变化趋势。
有何风险？
该选股策略可能会受到市场环境的影响，如股市整体走势等。同时，MACD指标对于股票趋势的预测存在滞后性，过度依赖MACD指标可能会错过市场机会，而选择一只不太适合的股票。
如何优化？
在选股逻辑基础上，可以加入其它市场趋势指标或基本面数据，如市值、财务数据等，以进一步细化选股策略。另外，可以结合机器学习等技术，提高选股策略的精度和例外。
最终的选股逻辑
根据对该选股策略进行分析和优化，改进后的选股逻辑如下：
- 振幅大于1；
- 底部抬高；
- 15分钟周期MACD绿柱变短。
同花顺指标公式代码参考
以下是在同花顺上实现该选股策略的指标公式代码：
C1: Amp() > 1;
C2: REF(BOTTOM(HIGH,C1),1)>REF(BOTTOM(HIGH,C1),2);
C3: DIF()- DEA()>0 AND REF(DIF()- DEA(),1)>0;
C4: EVERY(FALL(DIF()- DEA()),1)==1 AND REF(EVERY(FALL(DIF()- DEA()),1),1)==0;
SELECTOR:=C1 AND C2 AND C3 AND C4;
RESULT:=SELECTOR;
Python代码参考
以下是Python实现该选股策略的选股逻辑的代码：
selected_stocks = (df['amp'] > 1) & \
(df['high'].rolling(window=C1).apply(lambda x: (np.argmin(x[-C1:]) == C1 - 1) and (np.argmin(x[:-C1]) > np.argmin(x[-C1:])), raw=False)) & \
(df['dif'] - df['dea'] > 0) & \
((df['dif'] - df['dea'] < 0) & (df['dif'].diff() > 0)).rolling(window=C2).sum() == 0
# 根据涨跌幅排序
selected_stocks = selected_stocks.sort_values('pct_chg', ascending=False)
# 返回选中个股的代码
return selected_stocks['code'].tolist()
通过在Python中实现该选股逻辑，综合考虑了振幅、底部抬高和MACD技术指标，可以根据实际情况和策略要求进行适当的调整和改进。
## 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。
