问财量化选股策略逻辑
选股逻辑为：RSI指标小于65，归属母公司股东的净利润同比增长率大于20%小于等于100%，500日内至少涨停2次。通过综合考虑技术面和基本面的因素，筛选出相对低位、盈利能力出众、有明显资金热度的股票，以获取盈利。
选股逻辑分析
该选股逻辑相比于上一个逻辑，增加了资金面的因素，即筛选至少涨停2次的股票。此外，策略中还包括了RSI指标和归属母公司股东的净利润增长率，选股的因素相对较全面。该选股逻辑同样基于趋势型策略，比较适合用于长线投资，可用于制定具有多期收益性和稳定性的投资计划。
有何风险？
该选股逻辑中，关注的指标与前一逻辑相比较多，并且涨停板和资金面的因素被纳入，更具综合性和全面性。但由于选股逻辑相对复杂，容易出现过拟合现象，需要进行不断实践和调整，避免在投资决策中产生误导和风险。
如何优化？
可以引入其他辅助指标，如市盈率、市净率、技术形态等，来进行更全面的选股考量，增强股票选股决策的可靠性。此外，也可以通过机器学习等技术手段，挖掘更多的技术面和基本面指标，构建量化模型，提高股票选股的效率和准确性。
最终的选股逻辑
选股逻辑为：RSI指标小于65，归属母公司股东的净利润同比增长率大于20%小于等于100%，500日内至少涨停2次。综合考虑技术面和基本面的因素，选择相对低位、资金热度较高、盈利能力出众的股票进行买入。
同花顺指标公式代码参考
// 筛选A股，非ST
SELECT S_INFO_WINDCODE
FROM ASHAREDESCRIPTION
WHERE S_INFO_EXCHMARKET IN ('SZSE', 'SSE')
AND S_INFO_LISTEDSTATE = '上市'
AND S_INFO_LASTTRADEDATE IS NULL
AND S_INFO_ST_FLAG = '否'
AND S_DQ_TRADESTATUS <> '停牌'
AND S_DQ_MAXUPORDOWN <> 1
AND S_INFO_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHAREINCOME
WHERE S_FA_YEAR = YEAR(CURRENT_DATE)
AND S_FA_REPORT_TYPE = 'A'
AND S_FA_PROFIT_PARENT_COMPANY > 0
AND S_FA_PROFIT_PARENT_COMPANY / LAG(S_FA_PROFIT_PARENT_COMPANY, 3) > 1
AND S_FA_PROFIT_PARENT_COMPANY / LAG(S_FA_PROFIT_PARENT_COMPANY, 3) <= 2
)
AND S_INFO_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHARETRADEDATE
WHERE TRADE_DATE <= TO_DATE(TO_CHAR(CURRENT_DATE, 'YYYY-MM-DD'), 'YYYY-MM-DD')
AND TRADE_DATE >= TO_DATE(TO_CHAR(CURRENT_DATE - 500, 'YYYY-MM-DD'), 'YYYY-MM-DD')
)
AND S_INFO_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHARETRADESTOP
WHERE TRADE_DT <= TO_CHAR(CURRENT_DATE, 'YYYY-MM-DD')
AND TRADE_DT >= TO_CHAR(CURRENT_DATE - 500, 'YYYY-MM-DD')
GROUP BY S_INFO_WINDCODE
HAVING COUNT(*) >= 2
)
ORDER BY S_DQ_AMOUNT_TODAY DESC
LIMIT 10
Python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
import talib
# 选股函数
def stock_picking(data):
# 计算RSI指标
rsi = talib.RSI(data['close'], timeperiod=14)
# 筛选A股、非ST、500日内涨停板次数大于等于2次
stock_list = ts.get_stock_basics().index.tolist()
suspended_list = ts.get_suspended().index.tolist()
st_list = ts.get_st_classified().index.tolist()
stock_list = list(set(stock_list) - set(suspended_list) - set(st_list))
date_list = pd.to_datetime(data.index.get_level_values(1).unique())
trade_date = ts.trade_cal()['calendarDate'].tolist()
trade_date = list(filter(lambda x: x[:4] == date_list[-1].strftime("%Y"), trade_date))
trade_date = list(filter(lambda x: x >= date_list[-1].strftime("%Y-%m-%d"), trade_date))
data = data.loc[data.index.get_level_values(0).isin(stock_list) & data.index.get_level_values(1).isin(trade_date)]
trade_day = data.index.get_level_values(1).tolist()
trade_day_500 = trade_day[-500:]
data_500 = data.loc[data.index.get_level_values(1).isin(trade_day_500)]
data_500 = data_500.loc[data_500['pct_chg'] >= 9.9]
data_500 = data_500.groupby(level=0).filter(lambda x: len(x) >= 2)
stock_list = data_500.index.get_level_values(0).unique().tolist()
# 计算归属母公司股东的净利润同比增长率
data['net_profits_growth'] = data['net_profits'].pct_change()
# 筛选满足条件的股票
filter_cond = (rsi < 65) & (data['net_profits_growth'] > 0.2) & (data['net_profits_growth'] <= 1)
stock_list = list(set(stock_list) & set(data[filter_cond].index.get_level_values(0).unique().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。
