问财量化选股策略逻辑
本选股策略选择振幅大于1、昨日成交额大于6千万、15分钟周期MACD绿柱变短的股票为基本条件。
选股逻辑分析
本选股策略主要从技术面、市场活跃程度入手，通过对股票价格图形和指标的筛选，挑选出市场中最具有活力和前景的股票。运用这种方法可以帮助投资者在市场活跃的情况下，更准确地分析和预测股票走势，以做出更加明智的投资决策。
有何风险？
本选股策略可能会受到市场波动、政策调整等非市场因素的影响，导致选出的股票未来表现不佳。同时，仅依靠技术面不足以分析市场情况和企业现状，可能会导致分析偏差。
如何优化？
可以将选股逻辑进一步细化，添加更多技术指标和数据，从不同方面多维度地分析选股。同时，也可以结合财务数据等基本面分析，更全面地评估企业价值。
最终的选股逻辑
本选股策略的最终逻辑为：振幅大于1、昨日成交额大于6千万、15分钟周期MACD绿柱变短的股票。
同花顺指标公式代码参考
DIF:MA(CLOSE,SHORT)-MA(CLOSE,LONG);
DEA:MA(DIF,MID);
MACD:(DIF-DEA)*2,COLORSTICK;
python代码参考
import tushare as ts
import talib
# 读取股票数据
df = ts.get_k_data('000001', '15')
# 筛选条件1：振幅大于1
df['AMPLITUTE'] = df.apply(lambda row: row['high'] - row['low'], axis=1)
df = df[df['AMPLITUTE'] > 1]
# 筛选条件2：昨日成交额大于6千万
df['amount'] = ts.get_k_data('000001', '1').iloc[0]['volume']
df = df[df['amount'] > 60000000]
# 筛选条件3：15分钟周期MACD绿柱变短
macd, signal, hist = talib.MACD(df['close'], fastperiod=12, slowperiod=26, signalperiod=9)
df['hist'] = hist
df = df[df['hist'] < df['hist'].shift()]
# 输出选股数据
print(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。
