问财量化选股策略逻辑
选股逻辑为：RSI指标小于65、归属母公司股东的净利润同比增长率大于20%小于等于100%、非ST，使用五部涨停战法。该选股逻辑综合考虑了基本面和技术面的数据，重点关注公司的盈利能力以及股价走势。
选股逻辑分析
该选股逻辑首先关注基本面指标，通过筛选出盈利能力较为突出的股票。同时，通过技术面的指标RSI小于65，选择股票在相对低位，可以期待后续反弹。非ST则是为了避免一些弱势股出现。使用五部涨停战法则是基于技术面分析，根据股票涨停板的特点，筛选出近期强势股票，以期望在股票价格上继续看涨。
有何风险？
该选股策略主要筛选因素比较单一，只注重基本面和短期技术面，存在一定的盲目性。在实际应用中，也需根据市场基本面和其他数据进行分析，以避免因单一指标筛选股票而带来的风险。
如何优化？
可以通过增加指标对股票进行筛选，如市盈率、市净率等更多的财务指标以及技术面更加全面的指标，如KDJ等指标。同时，可以结合大盘趋势的分析，以及基于自然语言处理来解读公司的财务数据等方式进行完善和优化选股策略。
最终的选股逻辑
选股逻辑为：RSI指标小于65、归属母公司股东的净利润同比增长率大于20%小于等于100%、非ST，使用五部涨停战法。该选股逻辑旨在筛选出盈利能力出众、相对低位、需避免风险的且具有进一步上涨空间的股票。
同花顺指标公式代码参考
// 筛选A股，非ST
SELECT S_INFO_WINDCODE
FROM ASHAREDESCRIPTION
WHERE S_INFO_EXCHMARKET IN ('SZSE', 'SSE')
AND S_INFO_LISTEDSTATE = '上市'
AND S_INFO_LASTTRADEDATE IS NULL
AND S_INFO_ST_FLAG = '否'
AND S_INFO_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHAREINCOME
WHERE S_FA_YEAR >= 2018
AND S_FA_REPORT_TYPE = 'A'
AND S_FA_PROFIT_PARENT_COMPANY > 0
AND S_FA_PROFIT_PARENT_COMPANY / LAG(S_FA_PROFIT_PARENT_COMPANY, 3) > 1
AND S_FA_PROFIT_PARENT_COMPANY / LAG(S_FA_PROFIT_PARENT_COMPANY, 3) <= 2
)
AND S_DQ_CLOSE <= S_DQ_PRECLOSE * 0.9
AND S_INFO_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHARETRADEDATES
WHERE TRADE_DAYS >= '20220117'
)
ORDER BY S_DQ_AMOUNT_TODAY DESC
LIMIT 10
Python代码参考
# 导入需要用到的库
import pandas as pd
import tushare as ts
import talib
# 选股函数
def stock_picking(data):
# 计算RSI指标
rsi = talib.RSI(data['close'], timeperiod=14)
# 筛选A股、非ST
stock_list = ts.get_stock_basics().index.tolist()
suspended_list = ts.get_suspended().index.tolist()
st_list = ts.get_st_classified().index.tolist()
stock_list = list(set(stock_list) - set(suspended_list) - set(st_list))
data = data.loc[data.index.get_level_values(0).isin(stock_list)]
# 计算归属母公司股东的净利润同比增长率
data['net_profits_growth'] = data['net_profits'].pct_change()
# 使用五部涨停战法
data['pct_chg_1'] = data['close'].pct_change()
data['pct_chg_2'] = data.groupby(level=1)['close'].pct_change()
data['pct_chg_3'] = data.groupby(level=1)['close'].pct_change(2)
data['pct_chg_4'] = data.groupby(level=1)['close'].pct_change(3)
data['pct_chg_5'] = data.groupby(level=1)['close'].pct_change(4)
filter_cond = (data['pct_chg_1'] > 0) & (data['pct_chg_2'] > 0) & (data['pct_chg_2'] > data['pct_chg_1']) \
& (data['pct_chg_3'] > 0) & (data['pct_chg_3'] > data['pct_chg_2']) & (data['pct_chg_4'] > 0) \
& (data['pct_chg_5'] > 0) & (data['pct_chg_5'].rank(pct=True) >= 0.9)
data = data[filter_cond]
# 筛选满足条件的股票
filter_cond = (rsi < 65) & (data['net_profits_growth'] > 0.2) & (data['net_profits_growth'] <= 1)
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。
