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%，并且振幅大于1%。选择符合以上条件的股票进行投资，以期望能够在短期内获得盈利。
选股逻辑分析
技术面方面，选择RSI指标小于65的股票，表示该股票当前处于相对弱势状态，有望反弹。在价格波动方面，选择今日上涨幅度大于1%的股票，代表当前该股票存在一定市场情绪和交易热度，可能存在短期上涨趋势。并且，选择振幅大于1%的股票，可以增加股票的收益和风险同时存在的可能性。 然而，该选股逻辑过于依赖短期市场行情和价格波动，容易忽略公司的实际情况和长期发展潜力。需要谨慎投资，并做好风险控制管理。
有何风险？
该选股逻辑过于依赖短期价格波动，容易存在价格曲线被恶意炒作，异常高涨和异常大跌等风险。同时，该选股逻辑过于依赖技术指标和市场情绪，容易出现过分追求短期收益，忽略股票的实际情况和长期发展潜力等问题。需要谨慎投资，并做好风险控制管理。
如何优化？
为了更好地查看股票的发展潜力和内在价值，可以综合运用其他的技术指标和基本面数据，如RSI指标、KDJ指标、净资产收益率等，来筛选股票。并且，在判断涨幅和振幅的过程中，可以考虑增加其他技术指标作为辅助参考，以减少判断的误差。另外，应将选股策略的时间范围适当调整，为长期发展打好基础。
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%，振幅大于1%。综合考虑市场情况和基本面数据，选择符合条件的股票，认真研究其实际情况和市场表现，并进行风险控制管理。
同花顺指标公式代码参考
// 选取RSI小于65，今日上涨幅度大于1%，振幅大于1%的股票
select a.s_info_windcode as code, s_info_name as name,
a.tval_mcap as market_cap,
s_dq_pctchange,
(s_dq_high - s_dq_low) / s_dq_preclose * 100 as amplitude,
rsi(s_dq_close, 14) as rsi
from asharedescription a
inner join ashareeodprices p on a.s_info_windcode = p.s_info_windcode
left join ashareeodlimit l on a.s_info_windcode = l.s_info_windcode and a.trade_dt = l.trade_dt
where s_info_exchmarket = 'SSE'
and trade_dt = '20220311'
and s_dq_suspflag = '0'
and s_info_listdate <= '20211231'
and s_info_listedstate != 'DELISTED'
and s_dq_preclose > 0 --过滤掉停牌股票
and s_dq_open > 0 --过滤掉开盘价为0的股票
and ~s_info_name.str.startswith('ST') --去除ST股票
and s_info_sector != '40B' --去除金融行业股票
and s_info_industry != '480000' --去除银行股票
and s_dq_close > s_dq_preclose * 1.01 --今日上涨幅度大于1%
and (s_dq_high - s_dq_low) / s_dq_preclose * 100 > 1 --振幅大于1%
and rsi(s_dq_close, 14) < 65 --RSI指标小于65
and (l.s_dq_pcp != s_dq_preclose or l.trade_dt is null) --剔除昨日涨停的股票
Python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
import numpy as np
import talib
# 选股函数
def stock_picking(data):
# 计算RSI指标、涨幅、振幅
rsi = talib.RSI(data['close'], timeperiod=14)
daily_return = data['close'].pct_change()
amplitude = (data['high'] - data['low']) / data['pre_close']
# 筛选符合条件的股票，并剔除ST和停牌股票
filter_cond = (rsi < 65) & (daily_return > 0.01) & (amplitude > 0.01) \
& (~data.name.str.startswith('ST')) & (data['trade_status'] == '1')
# 按市值从高到低排序
stock_list = data[filter_cond].sort_values('market_cap', ascending=False).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。
