问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上和RSI小于65的股票作为选股标准，选出的个股视为投资标的。
选股逻辑分析
本选股策略主要基于技术面因素进行股票选取。振幅大于1能够反映出股价短期波动趋势，周线MACD在零轴之上代表股票呈现上涨趋势，RSI指标可以反映过去某一时间内股票的涨跌情况。对于一些处于上涨期的股票，或有炒作潜力的股票，本选股策略可以提供一定程度的参考。
有何风险？
本选股策略存在一定的风险。由于该策略在技术面上进行了操作，短线因素可能导致筛选出的股票整体市场风险可控性较低，个股波动幅度较大。同时，在只考虑股价等因素的情况下，季度和年报的业绩表现却被忽视，使得该选股策略在风险控制上仍有欠缺。
如何优化？
对于选股策略的优化，可以引入更多基本面因素进行补充。比如加入市盈率、市净率、ROE、评级等指标来较为全面地评估企业的价值。在技术面上，可以考虑减少对短线行情的操作，提升筛选出的个股的市场可控性以及投资收益稳定性。
最终的选股逻辑
本选股策略在振幅大于1、周线MACD在零轴之上和RSI小于65三个筛选条件上进行选股，综合考虑短期、中期两方面的股票走势，筛选出一些技术面表现优秀的股票。在这个基础上，可以引入更多因素对股票进行综合评估。
同花顺指标公式代码参考
振幅大于1：
(HIGH - LOW) / PRE_CLOSE > 0.01
周线MACD在零轴之上：
(REF(MACD(12, 26, 9), 1) > REF(MACDSIGNAL(12, 26, 9), 1)) AND (MACD(12, 26, 9) > 0)
RSI小于65：
RSI(12) < 65
python代码参考
# 引入Tushare库
import tushare as ts
# 连接Tushare库
pro = ts.pro_api()
# 查询所有股票的数据
all_data = pro.stock_basic()
# 根据选股条件进行筛选
selected_stocks = []
for ts_code in all_data["ts_code"]:
# 获取股票数据
weekly_data = pro.weekly(ts_code=ts_code, start_date='20220101', end_date='20220228')
rsi = talib.RSI(weekly_data.close, timeperiod=12)
macd, macd_signal, _ = talib.MACD(weekly_data.close, fastperiod=12, slowperiod=26, signalperiod=9)
if ts_code.startswith(("00", "30")) and \
(weekly_data.high - weekly_data.low).mean() / weekly_data.close.mean() > 0.01 and \
macd[-1] > 0 and macd[-1] > macd_signal[-1] and \
rsi[-1] < 65:
selected_stocks.append(ts_code)
# 输出选中的股票
print(selected_stocks)
选股策略通过Tushare库获取股票数据并进行筛选，使用TA-Lib库的函数进行选股筛选条件的计算。在选股策略的后续优化中，建议加入更多因素和补充指标，在技术面的基础上充分考虑公司基本面和行业趋势。
## 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。
