(supermind量化策略)a1/rsi小于65、流通市值50-100亿、15分钟周期M

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑为RSI小于65、流通市值50亿-100亿、15分钟K线周期下MACD指标的绿柱变短。选取符合条件的股票进行投资。

选股逻辑分析

该选股策略主要考虑了技术面因素,综合考虑了RSI指标、流通市值、MACD指标绿柱变化情况等因素进行选股,选取符合条件的股票进行投资。其中,RSI指标反映了短期内的超买或超卖状态,选股时应控制RSI指标的值在合理的区间内;流通市值反映了股票的市值规模,选股时需考虑流通股的变化情况;MACD指标绿柱变化情况反映了市场的买卖情况,绿柱变短说明卖出气势减弱,买入信号增加。选股时,需结合多种技术指标综合考虑,以获取更准确的选股策略。

有何风险?

该选股策略只考虑了绿柱变短的情况,未考虑市场的整体趋势,可能导致投资风险。此外,由于市场变化等原因,策略可能产生错误信号,需进行风险控制。

如何优化?

可以结合其他因素进行选股,如市盈率、市净率、ROE等基本面因素。可以增加对行业板块、市场流动性等因素的考虑,以及采用多因子选股策略,提高选股准确性。

最终的选股逻辑

选股逻辑为RSI小于65、流通市值50亿-100亿、15分钟K线周期下MACD指标的绿柱变短。需结合多种技术指标和基本面因素,进行综合判断,以获取更准确的选股策略。

同花顺指标公式代码参考

  1. RSI指标公式:RSI(C,N),其中CLOSE为收盘价序列,N代表RSI的计算天数,默认为14天。
  2. MACD指标公式:DIF:EMA(CLOSE,SHORT)-EMA(CLOSE,LONG),DEA:EMA(DIF,MID),MACD:(DIF-DEA)*2,其中SHORT为快速移动平均线周期数,LONG为慢速移动平均线周期数,MID为MACD移动平均线周期数。

python代码参考

import tushare as ts

def pick_stocks():
    sorted_stocks = []
    for stock_code in ts.get_stock_basics().index:
        if 'ST' in ts.get_stock_basics()['name'][stock_code]:
            continue
        if ts.get_stock_basics()['industry'][stock_code] == '生物医药' or ts.get_stock_basics()['industry'][stock_code] == '创意' or ts.get_stock_basics()['industry'][stock_code] == '软件服务':
            continue
        if ts.get_stock_basics()['market'][stock_code] != '主板':
            continue
        rsi = ts.STOP_TRADE_LIMIT_CS[stock_code]
        if rsi >= 65:
            continue
        flow_cap = ts.get_stock_basics()['totals'][stock_code] * ts.get_stock_basics()['price'][stock_code]
        if flow_cap < 5E10 or flow_cap > 1E11:
            continue
        hist_data = ts.get_hist_data(stock_code, ktype='15', drop_factor=False)
        if hist_data is None:
            continue
        diff = hist_data['close'].ewm(span=12).mean() - hist_data['close'].ewm(span=26).mean()
        dea = diff.ewm(span=9).mean()
        macd = (diff - dea) * 2
        if macd.iloc[-1] >= macd.iloc[-2]:
            continue
        sorted_stocks.append({"code": stock_code, "name": ts.get_realtime_quotes(stock_code)['name'][0]})
    for stock in sorted_stocks:
        print(f"{stock['code']}、{stock['name']}")

以上为使用Python实现该选股策略的代码参考。该选股策略主要考虑了技术面因素,采用多种指标进行筛选,有一定的实用性和可行性。但需要注意数据和计算模型的准确性,结合多种技术指标和基本面因素,进行多方面的分析,以获取更准确的选股策略。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论