问财量化选股策略逻辑
选股逻辑为：RSI指标小于65，买一量大于卖一量，前天的MACD小于0。该选股策略主要关注股票的技术面因素，排除前天MACD小于0的股票，选择具有一定上涨潜力的股票。
选股逻辑分析
该选股策略同样关注股票的技术面因素，选股策略通过剔除前天的MACD小于0的股票，选择具有一定上涨潜力的股票。该选股策略较为简单明了，容易理解。
有何风险？
该选股策略同样忽略了股票的基本面因素，特别是财务数据等重要指标，因此选股结果可能与实际表现有较大出入。此外，该选股策略关注的是股票的技术面因素，因此受到市场异常波动等因素的影响。
如何优化？
该选股策略可以考虑增加对股票公司和财务数据等基本面因素的筛选，以提高选股策略准确性和稳定性，并结合其他技术指标和基本面分析方法进行综合判断。此外，在选股的过程中可以增加严格的风险控制措施，以控制策略的风险。
最终的选股逻辑
选股逻辑为：RSI指标小于65，买一量大于卖一量，前天的MACD小于0，并通过综合考量技术面和基本面等因素进行筛选。
同花顺指标公式代码参考
// 计算RSI指标
RSI(CLOSE,14)
// 计算买一和卖一的成交量
VOL1, VOL2
// 计算MACD指标
DIF, DEA, MACD = MACD(CLOSE, fastperiod=12, slowperiod=26, signalperiod=9)
// 剔除前天的MACD小于0的股票
(DIF.shift(1) < DEA.shift(1)) & (MACD.shift(1) < 0)
// 筛选符合条件的股票
(CLOSE/REF(CLOSE,1)-1>0.02) AND (VOL1 > VOL2)
Python代码参考
# 导入需要用到的库
import pandas as pd
import talib
# 选股函数
def stock_picking(data):
# 计算RSI指标
rsi = talib.RSI(data['close'], timeperiod=14)
# 计算买一和卖一的成交量
vol1 = data['vol1']
vol2 = data['vol2']
# 计算MACD指标
dif, dea, macd = talib.MACD(data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
# 剔除前天的MACD小于0的股票
filter_cond = (dif.shift(1) < dea.shift(1)) & (macd.shift(1) < 0)
# 筛选符合条件的股票
filter_cond &= (rsi < 65) & (vol1 > vol2) & ((data['close'] / data['pre_close'].shift(1) - 1 > 0.02))
stock_list = data[filter_cond].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。
