问财量化选股策略逻辑
选股逻辑为RSI小于65、流通市值50亿-100亿、昨日非涨停板。该选股策略主要考虑股票的技术面指标和历史表现，以RSI指标和昨日涨跌幅为主要的选股条件，筛选出具有较好表现、有成长性的股票。
选股逻辑分析
该选股策略主要考虑股票的技术面指标和历史表现，以RSI指标和昨日涨跌幅为主要的选股条件，筛选出表现较好的股票。RSI指标作为技术面指标可以反映股票的超买超卖状态，昨日非涨停板则可以反映出股票的热度和市场情绪。通过这些条件的筛选，可以获得一些优质的股票。
有何风险？
该选股策略存在选股条件比较单一的问题，忽略了一些其他重要的因素如基本面因素、行业因素等，同时昨日非涨停板可能会排除一些潜力股。另外，选股过程中需要注意数据的准确性和更新频率，避免数据偏差的影响。
如何优化？
可以加入更多重要的因素作为选股条件，如基本面因素、行业因素等，以加强对个股风险的控制，同时可以适度放宽昨日涨跌幅的限制，以保留潜力股的选入。 另外，可以加入适当的止损条件，以控制投资风险。
最终的选股逻辑
选股逻辑为RSI小于65、流通市值50亿-100亿、昨日非涨停板、市盈率不超过40倍。
同花顺指标公式代码参考
RSI指标公式
LC:=REF(CLOSE, 1);
AA:=SMA(MAX(CLOSE-LC,0),N,1)/SMA(ABS(CLOSE-LC),N,1)*100;
RSI:EMA(AA,M);
python代码参考
# 计算RSI
def calc_rsi(close, n):
lc = close.shift(1)
aa = pd.Series(np.nan,index=close.index)
aa[n-1:] = close.sub(lc).clip(lower=0).rolling(n).mean() / close.sub(lc).abs().rolling(n).mean() * 100
rsi = aa.ewm(com=1.0/14, adjust=False).mean()
return rsi
# 选股函数
def stock_picking(data):
# 计算RSI指标
rsi = calc_rsi(data['close'], 14)
# 根据市值、RSI、昨日涨跌幅选取股票
cond = (data['negotiableMV'] >= 5e10) & (data['negotiableMV'] <= 1e11) & (rsi < 65) & (data['preClose'] < data['close']) & (data['preClose'] != data['closeLimit'])
# 筛选市盈率不超过40倍的股票
cond &= (data['pe'] <= 40)
stock_list = []
if sum(cond) >= 5:
selected_data = data[cond]
selected_data = selected_data.sort_values(by='preClose', ascending=False)
for i in range(5):
stock = selected_data.index[i]
if selected_data.loc[stock, 'changePct'] < 9.9:
stock_list.append(stock)
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。
