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%，主板股票并且当前大单净量排名前列。期望通过技术面和市场交易特征，寻找具有短期反弹趋势和较好的市场表现的个股。
选股逻辑分析
该选股策略同样结合了技术面和市场交易特征。RSI小于65代表股票处于超卖区间，可以预期股票将会反弹；今日上涨幅度大于1%则意味着股票动能较强，预期未来将继续上涨；选择大单净量排名前列表示市场资金在介入股票，看好其未来走势。该选股策略期望短期内能够获得具有一定市场表现的投资收益。
有何风险？
由于设置的选股条件较为固定，可能会忽略市场的动态变化，导致股票运行状况与市场趋势出现脱节。同时，大单净量前列的标准可能存在一定风险，需要投资者进行深入研究和分析。而且，仅仅依靠技术指标可能会存在伪信号的问题，需要投资者进行风险控制和合理把握。
如何优化？
可以从技术分析和市场交易特征两方面入手优化选股策略。比如加入多种指标和形态进行筛选，设置更加合理的大单净量排名标准。同时，可以根据市场行情和股票类型等进行动态调整，避免出现市场动态与选股逻辑不符合的情况。需要进行风险控制和合理把握。
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%，主板股票并且大单净量排名前列。需要进行风险控制和合理把握。
同花顺指标公式代码参考
// 建立选股语句
SELECT
a.*
FROM
(
SELECT
*,
(buy_large_order_volume - sell_large_order_volume) AS large_order_net_volume
FROM
stock_market_data
) a
JOIN stock_basic_data b ON a.stock_code = b.stock_code
WHERE
b.stock_market = 'sh'
AND rsi < 65
AND today_increase_rate > 1
AND large_order_net_volume > 50000000
ORDER BY
large_order_net_volume 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RSI指标小于65、今日上涨幅度大于1%、主板股票大单净量排名前列的股票池
basic_data = ts.get_stock_basics()
market_data = ts.get_today_all()
market_data.drop(market_data[market_data['changepercent'] == 0.0].index, inplace=True)
market_data['today_increase_rate'] = market_data['changepercent']
merge_data = pd.merge(market_data, basic_data, on='name', how='inner')
filter_data = merge_data[(merge_data['rsi'] < 65) & (merge_data['today_increase_rate'] > 1.0)]
large_order_data = filter_data.sort_values(by='buy_large_order_volume', ascending=False)[:50]
filter_data = merge_data[merge_data['name'].isin(large_order_data['name'])]
filter_data = filter_data[['name', 'industry', 'area', 'pe', 'outstanding', 'totals', 'totalAssets', 'liquidAssets', 'fixedAssets', 'reserved', 'reservedPerShare', 'esp', 'bvps', 'pb', 'timeToMarket']]
return filter_data
## 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。
