问财量化选股策略逻辑
选股逻辑为RSI小于65、流通市值50亿-100亿、底部抬高。选股逻辑主要依据技术面指标RSI和底部抬高形态结合市值因素，筛选技术面劣势但市值适中的个股。
选股逻辑分析
该选股策略主要通过技术面指标RSI和底部抬高形态，来判断个股是否为劣势股，并通过市值的限制避免选股过于小众化，从而更好地避免市场集中度高的风险。底部抬高形态意味着股价底部经过反复确认，已经逐渐开始上涨，可以一定程度上信号股价即将反弹。
有何风险？
选股策略依据单一形态进行选股，对于不同的市场环境和行情的变化，可能无法适应。同时，该选股策略可能会漏掉一些优质的小盘股，并且难以综合考虑其他因素，存在一定的市场风险。
如何优化？
可以结合其他底部形态和技术面指标如MACD等指标进行综合筛选，以更全面的理解个股技术面情况。同时，还可以结合市场趋势和行情进行热门板块等多重因素进行综合分析和筛选。对于劣势股而言，需要特别关注其具体业务和盈利能力等信息，判断是否存在提升可能。同时，应该根据市场状况和行情进行动态调整，以更加稳健的方式进行选股。
最终的选股逻辑
选股逻辑为RSI小于65、流通市值50亿-100亿、底部抬高形态。同时，可以结合其他底部形态和技术面指标等因素进行综合筛选。为了更好的提升策略的有效性，需要关注劣势股的具体业务和盈利情况，同时关注市场趋势和行情进行动态调整。
同花顺指标公式代码参考
无指标公式可参考。
python代码参考
# 计算底部抬高形态
def calc_lifting(close, n=30):
lifting = pd.Series(0.0, close.index)
for i in range(n-1, len(close)):
bottom = close[i-n+1:i+1].min()
peak = close[i-n+1:i+1].max()
if close[i] > bottom and (close[i] - bottom) / (peak - bottom) >= 0.5:
lifting[i] = 1
return lifting
# 选股函数
def stock_picking(data):
# 计算RSI和底部抬高形态
rsi = talib.RSI(data['close'], 14)
lifting = calc_lifting(data['close'])
# 根据市值筛选
cond1 = (data['negotiableMV'] >= 5e10) & (data['negotiableMV'] <= 1e11)
# 根据底部抬高形态和RSI指标筛选
cond2 = (lifting == 1) & (rsi < 65)
cond = cond1 & cond2
stock_list = []
if sum(cond) >= 5:
selected_data = data[cond]
selected_data = selected_data.sort_values(by='pctChg', ascending=False)
for i in range(5):
stock_list.append(selected_data.index[i])
return stock_list
## 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。
