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%，主板股票，日线MACD指标大于0。期望通过技术面、市场情绪和市场热度控制，找到具有较好市场热度和投资价值的股票。
选股逻辑分析
本选股策略通过RSI指标小于65表明股票处于超卖状态，同时通过近期的涨势表现出动能强劲，期望未来可以继续上涨。主板股票具有良好的市场地位和基本面，有稳定的投资需求和量化特征。通过日线MACD指标大于0可以排除一些处于下跌状态的股票，提高选股准确性。期望能够获得较好的涨幅空间和投资收益。
有何风险？
同样存在技术指标单一性可能会造成一定程度的风险，同时，市场情绪和市场热度的不稳定性也可能会对选股产生影响。此外，MACD指标作为短期趋势评估指标，可能在长期投资分析中会产生误判。需要在风险控制的前提下进行选股。
如何优化？
同样可以加入其他技术指标，如KDJ指标、BOLL指标等，通过多因素分析和深度挖掘，提高选股的准确性和有效性。可以适当降低涨幅的要求，增加筛选股票的数量，从而提高选股的灵活性和多样性。另外，需要注意市场的风险和波动性，及时调整投资策略和风险控制。
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%，主板股票，日线MACD指标大于0。期望通过技术面、市场情绪和市场热度控制，找到具有较好市场热度和投资价值的股票。
同花顺指标公式代码参考
日线MACD指标大于0: (REF(MACD(12,26,9),1) < 0) AND (MACD(12,26,9) > 0)
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、日线MACD指标大于0的股票
data = ts.get_today_all()
data.dropna(inplace=True)
hist_data = ts.get_hist_data(code_list=data['code'].tolist(), ktype='D', start=(pd.Timestamp.today() - pd.Timedelta('300 days')).strftime('%Y-%m-%d'))
calc_data = pd.concat([data, hist_data], axis=1, join='inner')
filter_data = calc_data[(calc_data['rsi'] < 65) & (calc_data['changepercent'] > 1.0) & (calc_data['stock_type'] == '主板') & ((calc_data['macd'] > 0) & (calc_data['macd'] > calc_data['macd_signal']))]
filter_data = filter_data[['name', 'industry', 'open', 'price', 'outstanding', 'totals', 'totalAssets', 'liquidAssets', 'fixedAssets', 'reserved','reservedPerShare', 'esp', 'bvps', 'pb', 'timeToMarket']]
return filter_data
## 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。
