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，按个股热度从大到小排序名，期望获得超额收益。
选股逻辑分析
该选股策略同样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；按个股热度从大到小排序名，可以提高热度较高的股票的分析调研的优先级。该策略相对科学，有望获取超额收益。
有何风险？
该策略同样主要存在的问题是过于依赖市场情绪和技术分析，容易出现偏差和误判。同时在市场走势不利的情况下，可能会获得亏损。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。
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，按个股热度从大到小排序名。注意风险控制，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
ORDER BY
stock_heat DESC
) c ON a. stock_code = c.stock_code;
注意：is_main代表是否为主板股票，stock_heat为个股热度值。
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%、主板股票且PE大于0的信息,按照个股热度从大到小排序
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)]
filter_data = filter_data.sort_values(by='stock_heat', ascending=False)
return filter_data.index.tolist()
## 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。
