(supermind)振幅大于1、昨天龙虎榜、15分钟周期MACD绿柱变短_

问财量化选股策略逻辑

选股逻辑为振幅大于1、昨天出现在龙虎榜单上且买入额大于卖出额、15分钟周期MACD绿柱变短的股票。此策略旨在选出波动较大、存在资金异动且短期内MACD出现变盘信号的股票，以挖掘股票的短期收益机会。

选股逻辑分析

1. 指定振幅大于1可以筛选出波动较大的股票；
2. 昨天出现在龙虎榜上且买入额大于卖出额表明存在资金流入的情况，可能会对股票价格产生一定的影响；
3. 选取15分钟周期MACD指标，当MACD绿柱长度变短时，表明股价可能会出现变盘信号，有利于及时捕捉股票的机会。

有何风险?

1. 短期选股策略容易受市场波动影响，风险较高；
2. 受限于MACD指标的局限性，可能会忽略一些其他技术指标与基本面的变化，产生选股偏差。

如何优化？

1. 设定更为合理的振幅阈值，排除少量的价格波动过大的股票；
2. 结合其他技术指标如KDJ、RSI等指标进行选股，以提高选股策略的稳定性和准确性；
3. 加入基本面因素如盈利能力、估值等指标进行筛选。

最终的选股逻辑

选股逻辑为振幅大于1、昨天出现在龙虎榜单上且买入额大于卖出额，15分钟周期MACD绿柱变短的股票，同时结合多个技术指标及基本面指标进行综合分析，以提高策略选股的稳定性和准确性。

同花顺指标公式代码参考

# 计算振幅
high = REF(HIGH, 1)
low = REF(LOW, 1)
close = REF(CLOSE, 1)
amplitude = 100 * (high - low) / close
picks_amplitude = IF(amplitude > 1, 1, 0)

# 判断昨天是否出现在龙虎榜上且买入额大于卖出额
lhb = LHB
yesterday_lhb = REF(lhb, 1)
picks_lhb = IF(yesterday_lhb['buy_amount'] > yesterday_lhb['sell_amount'], 1, 0)

# 判断15分钟周期MACD绿柱变短
dif, dea, macd = MACD(C, 12, 26, 9)
yesterday_macd = REF(macd, 1)
macd_15m = MACD(C, 12, 26, 9, 0, 0, 15)
short_green_bar = IF((yesterday_macd - macd_15m[-2]) > (macd_15m[-1] - macd_15m[-2]), 1, 0)

# 取排名前n的股票
n = ceil(COUNT / 20)
picks = picks_amplitude * picks_lhb * short_green_bar
picks_final = NLargest(n, picks, picks)

# 输出选股结果
WriteIf(picks_final, picks_final, 0)

Python代码参考

# 计算振幅
df['amplitude'] = 100 * (df['high'] - df['low']) / df['close']
picks_amplitude = df[df['amplitude'] > 1].index.tolist()

# 判断昨天是否出现在龙虎榜上且买入额大于卖出额
lhb_data = pro.top_list(trade_date='20211008')
lhb_data.set_index('ts_code', inplace=True)
picks_lhb = lhb_data[lhb_data['buy_amount'] > lhb_data['sell_amount']].index.tolist()

# 判断15分钟周期MACD绿柱变短
macd_data = ts.pro_bar(ts_code='000001.SZ', adj='qfq', freq='15min', start_date='20210901', end_date='20211008')
macd_data['dif'], macd_data['dea'], macd_data['macd'] = talib.MACD(macd_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
yesterday_macd = macd_data['macd'].shift(1)
short_green_bar = macd_data[macd_data['macd'] < 0][(yesterday_macd - macd_data['macd']) > (macd_data['macd'] - macd_data['macd'].shift(1))].index.tolist()

# 取排名前n的股票
n = int(len(df) / 20)
picks = list(set(picks_amplitude) & set(picks_lhb) & set(short_green_bar))
picks_final = df.loc[picks].sort_values(by='turnover_rate', ascending=False)[:n]['ts_code'].tolist()

# 输出选股结果
print(picks_final)

    ## 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)