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，在周线中MA5金叉MA10的股票进行投资，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趋势因素。RSI指标小于65代表着该股票处于超卖状态有望迎来反弹；今日上涨幅度大于1%则代表着该股票在短期内有上涨动能；选择主板股票可以降低市场风险；在周线中MA5金叉MA10，则代表着股票的上涨趋势正在加强，再结合其他指标做相应的风险控制，可以更好地获取超额收益。
有何风险？
这个选股策略也存在一定的风险，一方面，它只考虑了技术面和市场趋势因素，而忽略了财务指标等其他因素，选择可能出现偏颇；另一方面，该策略采用的规则固定而死板，可能会导致特定条件下的过拟合。
如何优化？
应该在考虑技术面和市场趋势因素的基础上，综合考虑其他因素，如财务指标等因素来制定更加全面科学的选股策略。另外，制定风控措施如止损策略等，以减少风险。通过机器学习等算法来进行优化和筛选，提高策略优化的有效性。也可以通过动态调整策略来进行进一步的优化。
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，在周线中MA5金叉MA10的股票进行投资，注重长期投资价值和风险控制。
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
AND ma5 > ma10
) c ON a.stock_code = c.stock_code;
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 = all_data[~all_data.index.str.contains('ST', regex=False)]
yesterday_data = ts.get_day_all(date='2022-01-10')
daily_rate = yesterday_data['trade'] / yesterday_data['open'] - 1
filter_data = all_data[(daily_rate > 1) & (daily_rate < float('inf'))]
# 计算MA5和MA10指标，并筛选MA5金叉MA10的股票，同时剔除ST股票
filter_data = filter_data[~filter_data.index.str.contains('ST', regex=False)]
for code in filter_data.index.tolist():
history_data = ts.pro_bar(ts_code=code, adj='qfq', freq='W', start_date='20180101', end_date='20220110')
ma5 = ta.MA(history_data['close'], timeperiod=5)
ma10 = ta.MA(history_data['close'], timeperiod=10)
if ma5.tolist()[-2] < ma10.tolist()[-2] and ma5.tolist()[-1] > ma10.tolist()[-1]:
continue
else:
filter_data.drop(index=code, inplace=True)
# 计算涨跌幅度和选股依据，并返回选股结果
yesterday_data = ts.get_day_all(date='2022-01-10')
daily_return = yesterday_data['trade'] / yesterday_data['open'] - 1
yesterday_data['daily_return'] = daily_return
filter_data = filter_data.join(yesterday_data.set_index('code'), on='code')
stock_list = filter_data.index.tolist()
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。
