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，近一个月内曾有一次涨停。该选股策略主要关注股票的技术面因素（如RSI指标和买卖量比）和短期市场情况（涨停情况），以此选出具有一定上涨潜力的股票。
选股逻辑分析
该选股策略注重股票的技术面和市场情况，选股的逻辑较为简单明了。选股的过程结合股票近期的涨停情况，可以较好地捕捉股票的短期市场走势，从而进行买入操作。
有何风险？
该选股策略忽略了股票的基本面因素，如公司盈利能力等。同时该选股策略仅关注了股票的短期市场情况，因此可能发生选出短期涨势好但长期未必具备实力的股票。选股的效果可能受到市场异常波动等因素的影响。
如何优化？
该选股策略可以结合其他股票筛选因素，如股票市值、基本面指标等进行联合筛选，综合考虑股票的各方面因素。同时也可以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，近一个月内曾有一次涨停，并结合其他技术指标和基本面因素进行股票筛选。
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
// 计算近一个月的涨停数量
n = 20
REF(HIGHEST(HIGH, n) == HIGH, 1)
// 筛选符合条件的股票
(CLOSE/REF(CLOSE,1)-1>0.098) AND (VOL1 > VOL2) AND n > 1
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']
# 计算近一个月的涨停数量
n = sum(data['high'] == data['high'].rolling(window=20).max())
# 筛选符合条件的股票
filter_cond = (rsi < 65) & (vol1 > vol2) & (n > 1) & ((data['close']/data['pre_close']-1 > 0.098))
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。
