(supermind量化策略)a1/rsi小于65、今日上涨>1主板、2019分红比例>2

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

本选股策略为:RSI指标小于65,今日上涨幅度大于1%,选取主板股票,2019年分红比例大于25%的股票进行投资,期望获得超额收益。

选股逻辑分析

该选股策略综合考虑了技术面和基本面因素。RSI指标小于65代表股票处于超卖状态,有望迎来反弹;今日上涨幅度大于1%则代表该股票在短期内有上涨动能;选择2019年分红比例大于25%的股票,则综合考虑了股票的基本面和分红情况,增加了投资回报率的可能性。

有何风险?

该选股策略存在一定的风险,因为它忽视了一系列其他因素如市场风险、行业风险、财务数据等等。同时,分红比例高的股票并不一定代表其被低估或价值回归,可能会掩盖其他风险。

如何优化?

可以加入更多的技术分析指标和基本面数据,同时结合财务数据、行业风险等因素,综合考虑各种因素,得到更加准确的选股策略。此外,在选股过程中应该更加科学和全面的考虑当期的市场环境,以寻找更具有长期投资价值的个股。此外,还可以加入风控措施,如止损和分散投资组合,降低投资风险。

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%,选取主板股票,2019年分红比例大于25%的股票进行投资,注重长期投资价值和风险控制。

同花顺指标公式代码参考

// 建立选股语句
SELECT
    a.*
FROM
    (
        stock_market_data a
        JOIN stock_basic_data b ON a.stock_code = b.stock_code
    )
    JOIN (
        SELECT
            stock_code
        FROM
            stock_basic_data
        WHERE
            rsi < 65
        AND today_increase_rate > 1
        AND b.is_main = 1
        AND dividend_yield_ratio_2019 > 25
    ) c ON a.stock_code = c.stock_code;

注意:is_main代表是否为主板股票。

python代码参考

# 导入需要使用的库
import pandas as pd
import tushare as ts
import talib as ta

# 选股函数
def stock_picking():
    # 获取2019年分红比例大于25%的主板股票信息
    all_data = ts.get_stock_basics()
    all_data = all_data[all_data['totalAssets'] > 0.1 * 10**10]
    all_data = all_data[all_data['pb'] < 3]
    all_data = all_data[all_data['pe'] > 0]
    all_data = all_data[all_data['pe'] < 100]
    all_data = all_data[~all_data.index.str.contains('ST', regex=False)]
    all_data = all_data[all_data['dividend_yield_ratio_2019'] > 25]

    # 计算RSI指标,并筛选RSI指标小于65的、非ST股票
    rsi_data = pd.DataFrame(columns=['rsi'])
    for code in all_data.index.tolist():
        history_data = ts.pro_bar(ts_code=code, adj='qfq', freq='D', start_date='20180101', end_date='20220110')
        rsi = ta.RSI(history_data['close'], timeperiod=14)
        rsi_data.loc[code] = rsi.values[-1]
    filter_data = all_data[rsi_data['rsi'] < 65]

    # 计算涨跌幅度和选股依据,并返回选股结果
    yesterday_data = ts.get_day_all(date='2022-01-10')
    daily_return = yesterday_data['trade'] / yesterday_data['open'] - 1
    yesterday_data['daily_return'] = daily_return
    filter_data = filter_data.join(yesterday_data.set_index('code'), on='code')
    stock_list = filter_data.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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论