问财量化选股策略逻辑
选股逻辑包括：RSI小于65，外盘/内盘大于1.3，15分钟周期MACD绿柱变短。
选股逻辑分析
该选股逻辑考虑了技术面和市场流通性，并且结合了短线特征，能够较好地避免市场风险和行业风险等问题。
有何风险？
- 选股过于依赖技术面指标，忽略了公司基本面等因素，可能导致选出的股票无法全面反映企业价值；
- 股票交易中存在随机波动和交易成本等问题，可能影响选股策略的收益；
- MACD指标的短线特征可能不够稳定，可能会出现买入过早或卖出过晚等问题。
如何优化？
- 在技术面指标的基础上，加入市场、行业、经济等其他因素，综合考虑企业的价值和风险；
- 加强风险管理，避免选股过多或过少，保证整个投资组合的收益率和稳定性；
- 细化和优化参数设置，适当扩大时间跨度，加入场内外资金流向等其他因素，优化选股策略的有效性和稳健性。
最终的选股逻辑
选股逻辑包括：RSI小于65，外盘/内盘大于1.3，15分钟周期MACD绿柱变短。
同花顺指标公式代码参考
// RSI指标计算公式
LC := REF(CLOSE,1);
RSI1:=MA(MAX(CLOSE-LC,0),N)/MA(ABS(CLOSE-LC),N)*100;
RSI(N):MA(RSI1,M);
// 外盘/内盘计算公式
UP:=IF(CLOSE>LC,VOL,0);
DOWN:=IF(CLOSE<LC,VOL,0);
OSC:=SUM(UP,14)/SUM(DOWN,14);
// MACD指标计算公式
DIF:=EMA(CLOSE,SHORT)-EMA(CLOSE,LONG);
DEA:=EMA(DIF,M);
MACD:(DIF-DEA)*2;
MACD_BAR:(DIF-DEA)*2, COLORSTICK;
// 完整策略选股公式
SELECT(C,OSC/VOL>1.3 AND RSI(14)<65 AND CROSS(MACD_BAR,REF(MACD_BAR,1)) AND MACD_BAR<REF(MACD_BAR,1),REF(VOL_JJ,1),COLORGREEN);
Python代码参考
import akshare as ak
import pandas as pd
from talib import abstract
from datetime import datetime, timedelta
# 判断股票是否在主升阶段
def is_on_up_trend(daily_data):
ma240 = daily_data["收盘价"].rolling(240).mean()
ma120 = daily_data["收盘价"].rolling(120).mean()
ma60 = daily_data["收盘价"].rolling(60).mean()
if ma240.iloc[-1] > ma120.iloc[-1] > ma60.iloc[-1] > daily_data.iloc[-1]["收盘价"]:
return True
else:
return False
# 计算MACD指标
def calculate_macd(data):
talib_macd = abstract.MACD(data)
macd = pd.DataFrame({"DIF": talib_macd[0], "DEA": talib_macd[1], "MACD": talib_macd[2] * 2})
macd_bar = pd.Series(talib_macd[2] - talib_macd[1]) * 2
return macd, macd_bar
# 获取当前A股股票列表
stock_list = ak.stock_zh_a_spot_em()
# 计算并筛选符合条件的股票
selected_stocks = []
for stock_code in stock_list.index:
# 获取股票数据
daily_data = ak.stock_zh_a_daily_em(stock_code, adjust="hfq")
if daily_data is None:
continue
rsi_data = ak.stock_zh_index_daily_indicator(stock_code)
if rsi_data is None:
continue
rsi_14 = rsi_data.iloc[-1]["rsi_14"]
if rsi_14 >= 65:
continue
inner_volume = ((daily_data["收盘价"].values - daily_data["最低价"].values) - (daily_data["最高价"].values - daily_data["收盘价"].values)) / (daily_data["最高价"].values - daily_data["最低价"].values) * daily_data["成交量"].values
outer_volume = daily_data["成交量"].values - inner_volume
outer_inner_ratio = outer_volume[-1] / inner_volume[-1]
if outer_inner_ratio <= 1.3:
continue
if not is_on_up_trend(daily_data):
continue
if daily_data.iloc[-1]["是否ST"] != "否":
continue
if daily_data.iloc[-1]["是否退市"] != "否":
continue
# 计算MACD并判断是否绿柱变短
datetime_now = datetime.now()
time_str = (datetime_now - timedelta(days=1)).strftime("%Y-%m-%d") + " 15:00:00"
data = ak.stock_zh_a_minute_em(stock_code, start_date=time_str, end_date=datetime_now.strftime("%Y-%m-%d %H:%M:%S"), adjust="hfq")
if data is None or len(data) < 2:
continue
macd, macd_bar = calculate_macd(data)
if macd_bar.iloc[-1] >= macd_bar.iloc[-2]:
continue
selected_stocks.append(stock_code)
# 输出符合条件的股票代码和名称
for stock_code in selected_stocks:
stock_info = stock_list.loc[stock_code]
if stock_info["名称"] == "None":
continue
print(f"{stock_code}、{stock_info['名称']}")
## 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。
