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%，选取主板股票，且股票收盘价大于昨日的最低价的股票。通过筛选符合条件的股票进行投资，期望在技术面和市场情绪之间平衡，实现长期稳健盈利。
选股逻辑分析
该选股策略主要考虑市场情绪和技术面之间的平衡，在先筛选符合今日上涨、RSI指标和主板股票的股票的基础上，再筛选股票收盘价大于昨日的最低价的股票。这个逻辑意味着在市场情绪和技术面基础上，延续了昨日该股票的上涨趋势，同时加强了市场趋势的判断。整体来看，本策略注重了市场情绪和趋势的平衡。
有何风险？
该选股策略忽略了公司基本面数据和市场资金流向等其他相关因素对股票价值的影响，股票持续上涨的潜力和市场反转的可能性都需要进一步进行研究。此外，该策略选股基于历史数据，未来股票的表现不一定符合历史数据，因此具有一定的不确定性。本策略需要在风险控制方面进行优化。
如何优化？
可以引入更多的技术指标和基本面指标，如波动率、市净率、分红率、PEG等基本面数据，综合考虑各项数据，以得到更加准确的股票筛选结果。同时，策略也可以加入流通市值、资金流向等因素，进一步完善筛选条件，并对选股策略进行动态调整。在执行选股操作时，注重风险控制和分散投资组合，避免过度集中投资造成的风险。
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%，选取主板股票，且股票收盘价大于昨日的最低价的股票作为选股依据，在综合考虑市场情绪、技术面以及其他因素的基础上，选择符合条件的股票进行投资，注重风险控制和分散投资组合。
同花顺指标公式代码参考
// 建立选股语句
SELECT *
FROM STOCK_EXCHANGE_BOARD
WHERE RSI(14) < 65 AND INCREASE_TODAY_RA > 0.01 AND CLOSE_PRICE > YESTERDAY_LOW_LIMIT AND (EXCHANGE_BOARD = 1 OR EXCHANGE_BOARD = 2 OR EXCHANGE_BOARD = 3)
ORDER BY CLOSE_PRICE DESC;
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():
# 获取满足要求的股票信息并筛选收盘价符合条件的股票
today = ts.get_today_all()
filter_data = today[(today['open'] < today['settlement']) & (today['changepercent'] > 1) &
((today['exchange'] == 'SZSE') | ((today['exchange'] == 'SSE') & (today['code'].str.startswith('6'))))]
filter_data = filter_data[filter_data['close'] > filter_data['low'].shift(1)]
# 计算RSI指标，并筛选RSI指标小于65的股票
rsi_14 = ts.pro_bar(ts_code=filter_data['ts_code'].tolist(), adj='qfq', freq='D', start_date='20100101', end_date='').groupby('ts_code').apply(lambda x: (x['close'].diff(1).apply(lambda x: max(x, 0)).ewm(alpha=1/14, adjust=False).mean() /
x['close'].diff(1).apply(lambda x: abs(x)).ewm(alpha=1/14, adjust=False).mean()).apply(lambda x: 100 - 100 / (1 + x))).reset_index(name='rsi_14')
filter_data = pd.merge(filter_data, rsi_14, how='left', on='ts_code')
filter_data = filter_data[filter_data['rsi_14'] < 65]
# 计算涨跌幅度和选股依据
daily_return = filter_data['close'] / filter_data['open'] - 1
selection_criteria = filter_data['close'] / filter_data['low'].shift(1)
filter_data['selection_criteria'] = selection_criteria
# 返回前10只股票
stock_list = filter_data.sort_values(by='selection_criteria', ascending=False).head(10)['ts_code'].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。
