问财量化选股策略逻辑
选股逻辑为：RSI指标小于65，三连阴，非ST股票，并选择当日开盘前10分钟停牌的股票，然后采用五部涨停战法挑选出涨停概率大的股票。该选股策略主要通过技术分析和涨停板挖掘来进行选股。
选股逻辑分析
该选股策略主要采用了技术分析和涨停板分析相结合的方法。通过选股过程中对技术指标和停牌情况的综合考虑，选择具备一定技术底部的股票，并利用涨停板分析筛选出具有潜在涨停板的股票，为后续交易策略的制定提供了技术上的保障。
有何风险？
该选股策略虽然结合了技术分析和涨停板分析，但仍然存在一定的风险。首先，技术分析和涨停板分析均不能保证其准确性和及时性，存在一定的误判风险。其次，该选股策略主要依据短期技术面和情绪面进行选股，并没有充分考虑到股票的基本面和长期发展趋势等因素，存在过度依赖技术面和短期操作的风险。同时，眼下走势不好的股市存在较大的不确定性，股票价格波动较大，该策略存在操作风险。
如何优化？
可以加入基本面因素和市场风向分析等因素，结合长期的交易策略保持稳定收益。同时，可以考虑加入一些参考指标如PE、技术形态等。另外，可以使用机器学习算法优化选股策略的效果，比如使用深度学习网络进行模型训练，提高选股策略的准确度与稳定性。应注意策略思路的更新与进步，提高本身的知识和能力水平，获取优质资源，参加相关专业活动。
最终的选股逻辑
选股逻辑为：RSI指标小于65，三连阴，非ST股票，并选择当日开盘前10分钟停牌的股票，然后采用五部涨停战法挑选出涨停概率大的股票。
同花顺指标公式代码参考
// 计算RSI指标
RSI(CLOSE, 14)
// 判断三连阴
(CLOSE.shift(1) > OPEN.shift(1)) & (CLOSE.shift(2) > OPEN.shift(2)) & (CLOSE.shift(3) > OPEN.shift(3))
// 筛选非ST股票
IS_ST = STRSTR('300,600,900', SUBSTR(JY_STD_CODE(), 1, 3)) > 0
NOT_STOCK = JY_STANDARD(IS_ST)
// 判断当日开盘前10分钟停牌的股票
STOP = REF(HIGH, 610) > 0
NOT_STOP_BEFORE_10 = NOT(STOP[1]) & NOT(STOP[2]) & NOT(STOP[3])
// 计算涨停概率
ZTP = 100 * (VAR2 + 2 * VAR3 + 3 * VAR4 + 4 * VAR5) / (VOL)
// 筛选符合条件的股票
(RSI(CLOSE,14) < 65) & ((CLOSE.shift(1) > OPEN.shift(1)) & (CLOSE.shift(2) > OPEN.shift(2)) & (CLOSE.shift(3) > OPEN.shift(3))) & NOT_STOCK & NOT_STOP_BEFORE_10 & (ZTP >= 60)
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)
# 判断三连阴
triple_cond = (data['close'].shift(1) > data['open'].shift(1)) & (data['close'].shift(2) > data['open'].shift(2)) & (data['close'].shift(3) > data['open'].shift(3))
# 非ST股票
st_cond = ~data['name'].str.contains('ST')
# 判断当日开盘前10分钟停牌的股票
stop_cond = ((data['high'].shift(610) > 0) == False) & ((data['high'].shift(611) > 0) == False) & ((data['high'].shift(612) > 0) == False)
# 计算涨停概率
future_close = data['close'].shift(-1)
var1 = future_close >= data['close'] * 1.1
var2 = future_close >= data['close'] * 1.2
var3 = future_close >= data['close'] * 1.3
var4 = future_close >= data['close'] * 1.4
var5 = future_close >= data['close'] * 1.5
ztp = 100 * (var2.sum() + 2 * var3.sum() + 3 * var4.sum() + 4 * var5.sum()) / len(var1)
filter_cond = (rsi < 65) & triple_cond & st_cond & stop_cond & (ztp >= 60)
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。
