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，周线MACD在零轴之上。期望获得超额收益。
选股逻辑分析
该选股策略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；周线MACD在零轴之上代表股票当前处于上升趋势，预期未来股票将会维持上涨。该策略相对科学，有望获取超额收益。
有何风险？
该策略主要存在的问题是单一指标的靠前，如遇到突发事件，指标可能产生异常而产生误判，容易出现偏差。此外，周线MACD的参考周期长，响应的滞后相对较大，容易错过大部分收益。需要注意风险控制。
如何优化？
应该将该选股策略继续完善，通过加入更多的因素，比如资金流向、大宗交易等因素。同时，需要通过量化方式对模型进行优化，通过机器学习等算法优化调参，提高策略适应性和灵活性，同时设置一定的止盈止损规则。针对MACD滞后性过大，可以考虑调整周期或加入其它指标，对股票趋势进行更准确的识别。
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，周线MACD在零轴之上。关注风险控制，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
) c ON a. stock_code = c.stock_code
WHERE a. macd_d - a. macd_j > 0;
注意：is_main代表是否为主板股票。
python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
import talib as ta
# 选股函数
def stock_picking():
# 获取RSI指标小于65、今日上涨幅度大于1%、主板股票的信息
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)]
# 计算周线MACD在零轴之上的股票
stock_list = []
for code in filter_data.index.tolist():
data = ts.get_k_data(code, ktype='W')
macd, signal, hist = ta.MACD(data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if macd[-1] > 0:
stock_list.append(code)
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。
