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%，周线MACD在零轴之上。通过综合考虑技术面和基本面的因素，筛选出相对低位、盈利能力出众的股票，并且在趋势性上有较为明显的优势，以获取盈利。
选股逻辑分析
该选股逻辑中，在基本面的考量上，主要关注了归属母公司股东的净利润增长率，也同时考虑了股票的技术面因素，如RSI指标和周线MACD。该选股逻辑基于趋势性策略，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？
该选股逻辑相对简单，仅仅考虑了几个基本面和技术面指标，容易忽略其他重要的因素，如资金面、市盈率、市净率、企业估值等。同时，该选股策略也需要在不断实践的过程中进行演化和调整。
如何优化？
可以引入其他辅助指标，如成交量、市场行情、板块走势等，对股票的表现进行综合判断，增强投资决策的可靠性。同时，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%，周线MACD在零轴之上。通过综合考虑技术面和基本面的因素，选择相对低位、盈利能力出众的股票，在趋势性上有较为明显优势的股票进行买入。
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 ASHARESWEEKLYTRAD
WHERE TRADE_DT >= TO_CHAR(ADD_MONTHS(TRUNC(TO_DATE(TO_CHAR(SYSDATE,'yyyyMMdd'),'yyyyMMdd'),'MM'),-3),'yyyyMMdd')
AND TRADE_DT <= TO_CHAR(TRUNC(TO_DATE(TO_CHAR(SYSDATE,'yyyyMMdd'),'yyyyMMdd'),'MM')-1,'yyyyMMdd')
AND TRADE_STATUS = 1
AND (MACD_DIF - MACD_DEA) > 0
AND DIF > 0
)
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指标和MACD指标
rsi = talib.RSI(data['close'], timeperiod=14)
macd, signal, hist = talib.MACD(data['close'], fastperiod=12, slowperiod=26, signalperiod=9)
# 筛选A股、非ST、未涨停板
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)]
data = data.loc[data['pct_chg'] < 9.9]
# 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) & (macd > 0)
stock_list = 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。
