问财量化选股策略逻辑
本选股策略为：RSI指标小于65，今日上涨幅度大于1%，选择主板股票，并且依据企业性质做出相应的选择，期望获得超额收益。
选股逻辑分析
该选股策略同样结合了技术面和市场因素。RSI小于65代表股票处于超卖区间，可以预期股票将会反弹；今日上涨幅度大于1%则意味着股票动能较强，预期未来将继续上涨；选择主板股票可以降低市场波动风险；依据企业性质可以更好地选择符合自己投资风格的个股，提高选股成功率。该策略相对科学，有望获取超额收益。
有何风险？
该选股策略同样存在的问题是过于依赖市场情绪和技术分析，容易出现偏差和误判。企业性质的选择也需要充分考虑行业和公司个体的特点，需要仔细研究并做好风险管理。
如何优化？
要将该选股策略进一步完善，需要加入新的因素进行深度学习和优化，比如资金流入、大宗交易、市值等。并且应加入一定的风险控制机制和止盈止损规则，确保较高稳定性和收益率。因此，企业性质的选择需要进一步细化和量化，比如加入财务数据等。
最终的选股逻辑
本选股策略为：RSI指标小于65，今日上涨幅度大于1%，选择主板股票，并且依据企业性质做出相应的选择。注意风险控制，长期投资获得稳定超额收益。
同花顺指标公式代码参考
// 建立选股语句
SELECT
a.*
FROM
(
stock_market_data a
JOIN stock_basic_data b ON a. stock_code = b.stock_code
)
JOIN (
SELECT
stock_code
FROM
stock_basic_data
WHERE
rsi < 65
AND today_increase_rate > 1
AND is_main = 1
AND (property_a = '优质企业' OR property_b = '高成长')
ORDER BY
stock_heat DESC
) c ON a. stock_code = c.stock_code;
注意：is_main代表是否为主板股票，property_a和property_b是企业性质相关的特征。
python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
# 选股函数
def stock_picking():
# 获取RSI指标小于65、今日上涨幅度大于1%、主板股票、根据企业性质筛选的信息,按照个股热度从大到小排序
all_data = ts.get_stock_basics()
all_data = all_data[all_data['totalAssets'] > 0.1 * 10**10]
all_data = all_data[all_data['pb'] < 3]
all_data = all_data[all_data['pe'] > 0]
all_data = all_data[all_data['pe'] < 100]
all_data['is_main'] = all_data.index.map(lambda x: 1 if x[:2] in ['60', '00', '30'] else 0)
filter_data = all_data[(all_data['today_increase_rate'] > 1) & (all_data['is_main'] == 1) & (all_data['rsi'] < 65) & ((all_data['property_a'] == '优质企业') | (all_data['property_b'] == '高成长'))]
filter_data = filter_data.sort_values(by='stock_heat', ascending=False)
return filter_data.index.tolist()
## 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。
