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，近25个交易日内有单日涨幅大于等于百分之10。期望通过技术面、市场情绪和市场追涨效应控制，找到价格处于低位但未来有较大上涨空间的低风险股票。
选股逻辑分析
本选股策略增加了近25个交易日内有单日涨幅大于等于百分之10的选股条件。通过近期的市场追涨效应，筛选出价格处于低位但未来有较大上涨空间的低风险股票。同时，RSI指标小于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%代表股票动能较强，预期未来将继续上涨；选择主板股票，代表该股票具备较强的市场地位和良好的基本面。期望长期内能够获得具有较好市场表现的投资收益，同时避免行业、技术面和资金面的风险。
有何风险？
在满足其他条件的情况下，单单通过近25个交易日内单日涨幅大于等于百分之10来选股，可能会陷入相对高估的股票中。此外，该条件不一定能够反映出股票的整体趋势和未来走势。
如何优化？
可以结合其他技术指标或基本面指标，综合判断股票的投资价值。同时，在风险控制的前提下，尽量扩大选股范围，提高选股的灵活性。
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，近25个交易日内有单日涨幅大于等于百分之10。期望通过技术面、市场情绪和市场追涨效应控制，找到价格处于低位但未来有较大上涨空间的低风险股票。
同花顺指标公式代码参考
近25个交易日单日涨幅大于等于10%：COUNT(CLOSE/REF(CLOSE,1)>=1.1,25)>=1
python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
import talib
# 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、近25个交易日有单日涨幅大于等于百分之10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') & (talib.COUNT((calc_data['close'] / calc_data['close'].shift(1) >= 1.1).astype(int), timeperiod=25) >= 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。
