问财量化选股策略逻辑
选股逻辑为：RSI小于65、买一量大于卖一量、竞价涨幅在-2%到5%之间。通过技术面指标和市场情绪面指标的综合分析，筛选出当前股价处于合理价格区间、市场情绪相对乐观、且有一定涨幅空间的高潜力股票。
选股逻辑分析
该选股策略在技术面上关注RSI指标，保证选取股票处于合理的价格区间。在市场情绪面上，加入了买卖量比较，增加了筛选股票的筛选翻倍，同时加入竞价涨幅作为依据，依据股价波动情况筛选，操作过程更加准确。
有何风险？
这种选股策略的投资依赖技术指标的数据，存在数据风险。同时，该选股策略的数据非常单一，缺乏其他更全面综合数据的考虑，只注重数据的数量而不注重质量，存在一定风险。
如何优化？
建议在技术面和市场情绪面指标的基础上，加入财务数据和基本面分析等综合性指标的考虑，并将逻辑转化为策略。同样，以不同市场环境和个股特点的不同，适当调整选股的标准与策略，防止选股指标的单一性给控制增加排错难度。
最终的选股逻辑
选股逻辑为：RSI小于65、买一量大于卖一量、竞价涨幅在-2%到5%之间。该选股策略兼顾技术面和市场情绪面指标，设计了合理的筛选条件，期望能够选出当前股票处于合理价格区间，有较高潜力的股票。
同花顺指标公式代码参考
// 计算RSI指标
RSI(C,14)
// 计算买一量和卖一量
VOL1, VOL2, _, _ = GetBuySellVol()
// 计算竞价涨幅
OPEN_D = Ref(open, 1)
PCHG = (Open - OPEN_D) / OPEN_D * 100
// 筛选符合条件的股票
filter_cond = RSI14 < 65 AND VOL1 > VOL2 AND -2 < PCHG < 5
Python代码参考
# 选股函数
import talib
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']
# 计算竞价涨幅
open_d = data['open'].shift(1)
pchg = (data['open'] - open_d) / open_d * 100
# 筛选符合条件的股票
filter_cond = (rsi[-1] < 65) & \
(vol1[-1] > vol2[-1]) & \
(-2 < pchg[-1] < 5)
# 获取股票代码，并返回
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。
