问财量化选股策略逻辑
选取振幅大于1，前25天至少有一天涨停，且15分钟周期的MACD指标出现绿柱变短的股票进入待投资池。
选股逻辑分析
- 振幅大于1表明该股票波动性较大，有较大概率出现较高的涨幅；
- 前25天至少有一天涨停，代表该股票有望超额表现；
- 15分钟周期的MACD指标绿柱变短，代表股价在回调，可以给未进场的投资者提供买入机会。
有何风险？
- 忽略股票基本面等重要因素，单纯依赖技术指标进行选股；
- MACD指标存在滞后性，不能准确预测股价走势。
如何优化？
- 在技术指标的基础上，结合其他重要因素进行综合分析，包括股票基本面、行业趋势、板块轮动等因素；
- 细化选股逻辑，例如可以按照行业、市值、估值等进行更具针对性的选股；
- 在MACD指标的基础上，结合其他技术指标如KDJ指标、RSI指标进行综合分析。
最终的选股逻辑
选取振幅大于1，前25天至少有一天涨停，且15分钟周期的MACD指标出现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;
//涨停，只选取前25天，这里举例取18
COND2:=REF(MAX(HIGH,1),1)/REF(CLOSE,1)>1.097 AND (HIGH=LOW) AND (CLOSE-REF(CLOSE,1))/REF(CLOSE,1)<0.009 AND (BARSSINCE(CLOSE=REF(MAX(HIGH,1),1))/COUNT>COUNT-18);
//MACD指标，15分钟周期
COND3:=TIMEFRAME_15MIN;
DIFF:=MACD(CLOSE,SHORT=12,LONG=26,MID=9),DIFF>REF(DIFF,1);
DEA:=EMA(DIFF,MID=9),DEA>REF(DEA,1);
COND4:=DIFF-DEA< REF(DIFF-DEA,1) AND REF(DIFF-DEA,1)>REF(REF(DIFF-DEA,1),1);
//综合条件
CONDITION:=COND1 AND COND2 AND COND3 AND COND4;
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_history_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="hfq")
stock_history_df.rename(columns={"交易日期":"date","开盘价":"open","最高价":"high","最低价":"low","收盘价":"close","成交量":"volume","成交额":"amount"}, inplace=True)
stock_history_df.sort_values("date", ascending=True, inplace=True)
stock_history_df['pct_chg'] = stock_history_df['close'].pct_change() * 100
stock_history_df['net_volume'] = stock_history_df['close'] * stock_history_df['volume'] * stock_history_df['pct_chg'] / 100 /10000
df = stock_history_df[['date','open','high','low','close','volume','net_amount','pct_chg','net_volume']].copy()
# 振幅
cond1 = (df['high'] - df['low']) / df['low'] > 0.01
# 涨停
cond2 = (df['high'] / df['close'].shift(1) > 1.097) & (df['high'] == df['low']) & (df['close'] / df['close'].shift(1) - 1 < 0.009) & (df['close'] == df['high'].shift(1))
cond2 = cond2.rolling(window=18).sum() > 0
# MACD指标，15分钟
df_15min = df.set_index('date').resample('15min').last()
macd_indicator = abstract.MACD(df_15min, 12, 26, 9)
diff = macd_indicator.iloc[:,0]
dea = macd_indicator.iloc[:,1]
macd = macd_indicator.iloc[:,2]
cond3 = df_15min.index[-1].time() >= pd.to_datetime('09:30:00').time()
cond4 = (diff - dea).diff() < 0
cond4 = cond4.rolling(window=2).sum() > 0
# 综合条件
basic_cond = cond1 & cond2 & cond3 & cond4
df = df[basic_cond].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。
