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%，主板股票，剔除昨日涨停。期望通过技术面、市场情绪及市场热度控制，找到具备较好市场提升空间和投资价值的个股。
选股逻辑分析
本选股策略主要依据技术面、市场情绪及市场热度进行股票筛选。其中，选择RSI指标小于65及今日上涨幅度大于1%，旨在排除市场短期内表现过于弱势的个股，只选择走势良好的股票；选择主板股票，旨在保证选出的股票资质较好，不会出现诸多负面消息及不确定性；剔除昨日涨停，可以避免被高位套牢。期望通过多方面因素的考虑，筛选出具备较好市场战斗力的优质股票。
有何风险？
本选股策略仍有严重误判股票的可能性，例如，有些个股因为未来业绩及市场热点复苏情况的变化而出现调整，而无法取得理想表现；部分个股近期涨势过于猛烈而出现高位震荡。此外，筛选标准相对简单，而且无法充分考虑股市风险，存在潜在风险。
如何优化？
可以采取更多因子，例如macd指标、kdj指标等，通过多个角度的筛选及深入挖掘综合考察，选取出更优质的股票；此外可以加入股票市值等因素，以排除流通股较少的小市值股票。此外加强风险管理意识，及时监测股市变化，调整仓位，控制风险。
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%，主板股票，剔除昨日涨停。期望通过技术面、市场情绪及市场热度控制，找到具备较好市场提升空间和投资价值的个股。
同花顺指标公式代码参考
剔除昨日涨停: NOT (Close/Ref(Close, 1) - 1 > 0.097 AND Ref(Close, 1)/Ref(Close, 2) - 1 <= 0.097)
python代码参考
# 导入需要使用的库
import pandas as pd
import tushare as ts
# 选股函数
def stock_picking():
# 获取RSI指标小于65、今日上涨幅度大于1%、主板股票、剔除昨日涨停的股票
data = ts.get_today_all()
data.dropna(inplace=True)
hist_data = ts.get_hist_data(code_list=data['code'].tolist(), ktype='D', start=(pd.Timestamp.today() - pd.Timedelta('300 days')).strftime('%Y-%m-%d'))
calc_data = pd.concat([data, hist_data], axis=1, join='inner')
filter_data = calc_data[(calc_data['rsi'] < 65) & (calc_data['changepercent'] > 1.0) & (calc_data['stock_type'] == '主板')]
filter_data['rise_limit'] = (filter_data['close'] / filter_data['price'] - 1) <= 0.097
filter_data = filter_data[~filter_data['rise_limit']]
filter_data = filter_data[['name', 'industry', 'open', 'price', 'outstanding', 'totals', 'totalAssets', 'liquidAssets', 'fixedAssets', 'reserved', 'reservedPerShare', 'esp', 'bvps', 'pb', 'timeToMarket']]
return filter_data
## 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。
