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，并且今日最低价小于昨日最低价。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。同时，今日最低价小于昨日最低价表明该股票具有较好的支撑位，下行风险相对较小，更符合把握市场趋势和波动性的投资策略。期望能够获得较好的涨幅空间和投资收益。
有何风险？
技术指标的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。选取今日最低价小于昨日最低价的股票需要注意市场风险和投资风险。同时，该策略可能会忽略股票的长期价值和基本面分析，需要在风险控制的前提下进行选股。
如何优化？
可以加入其他技术指标，如MACD指标、KD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。同时，通过对股票的基本面和行业特征进行分析和挖掘，提高选股的长期性和稳定性。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，并且今日最低价小于昨日最低价。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
今日最低价小于昨日最低价: LOW<REF(LOW,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、今日最低价小于昨日最低价的股票
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['low'] < calc_data['low'].shift(1))]
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。
