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，流通盘小于等于55亿股。期望通过技术面和基本面，寻找落后于市场表现的小市值个股。
选股逻辑分析
该选股策略同样结合了技术面和基本面。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%代表股票动能较强，预期未来将继续上涨；选择主板股票，代表该股票具备较强的市场地位和良好的基本面；选择流通盘小于等于55亿股，是因为小市值股票一般受市场关注度较低，储备较多，有较大上升空间。该选股策略期望长期内能够获得具有一定市场表现的投资收益。
有何风险？
由于设置的选股条件较为固定，可能会忽略市场的动态变化，导致股票运行状况与市场趋势出现脱节；同时过于注重流通盘的大小可能会带来财务上的风险，需进行合理评估。此外，仅仅依靠技术指标可能会存在伪信号的问题，需要进行风险控制和合理把握。
如何优化？
可以从技术分析和基本面两方面入手优化选股策略。比如加入多种指标进行筛选，设置更加合理的基本面指标标准。同时，可以根据市场行情和股票类型等进行动态调整，避免出现市场动态与选股逻辑不符合的情况。需要进行风险控制和合理把握。
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，流通盘小于等于55亿股。期望获得市场表现良好的小市值个股。
同花顺指标公式代码参考
CLOSE:MA(CLOSE,1); //收盘价
RSI:=RSI(CLOSE,6); //6日RSI指标
VOL:=VOL/100000000; //成交量换算为亿股
COND1:=RSI<65; //RSI指标小于65
COND2:=C>REF(C,1); //当日上涨幅度大于1%
COND3:=CIRCUL>0 AND CIRCUL<=55; //流通盘小于等于55亿股
SELECTIF(COND1 AND COND2 AND COND3,1);
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、流通盘小于等于55亿股的股票池
basic_data = ts.get_stock_basics()
market_data = ts.get_today_all()
market_data.dropna(inplace=True)
market_data['circulating_market_value'] = market_data['mktcap'] - market_data['nmc']
market_data['circul'] = market_data['circulating_market_value'] / market_data['settlement'] / 100000000
daily_data = ts.get_today_ticks()
merge_data = pd.merge(market_data, daily_data, on='name', how='inner')
merge_data.drop(merge_data[merge_data['changepercent'] == 0.0].index, inplace=True)
merge_data.drop(merge_data[merge_data['volume'] <= 0].index, inplace=True)
group_data = merge_data.groupby('name').agg({'volume': 'sum'})
merge_data = pd.merge(merge_data, group_data, on='name', how='inner', suffixes=('_in_day', '_in_total'))
filter_data = merge_data[(merge_data['rsi'] < 65) & (merge_data['changepercent'] > 1.0) & (merge_data['stock_type'] == '主板') & (merge_data['circul'] <= 55.0)]
filter_data['up_time'] = 2.0
filter_data['dn_time'] = 2.0
ma_20 = filter_data['high_5_min'].rolling(window=20).mean()
std_20 = filter_data['close'].rolling(window=20).std()
filter_data['up'] = ma_20 + filter_data['up_time'] * std_20
filter_data['dn'] = ma_20 - filter_data['dn_time'] * std_20
filter_data.dropna(inplace=True)
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。
