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，选股依据为同时满足三个技术指标的金叉。综合考虑股票的技术面和市场活跃度等因素，筛选符合条件的股票进行投资，期望获得稳健的收益。
选股逻辑分析
该选股策略主要依据RSI指标、涨跌幅度、股票均价、股票是否为主板股票和三个技术指标的金叉等因素，在综合考虑市场情绪、技术面、市场活跃度以及其他因素的基础上，选择符合条件的股票进行投资，注重风险控制和分散投资组合。选取同时满足三个技术指标的金叉的股票是考虑到技术面对于股票价格的影响较大，通过多个技术指标的协同作用，能够更为准确地分析股票价格的走势。
有何风险？
该选股策略只考虑了技术面的因素，忽略了公司基本面等信息对股票价格的影响。此外，三个技术指标同时金叉的情况可能较为少见，容易出现选股不足的情况。因此，风险控制和分散投资组合仍需重视。
如何优化？
可引入更多的技术指标和基本面指标，如波动率、市净率、分红率、PEG等基本面数据，综合考虑各项数据，以得到更加准确的股票筛选结果。同时，可根据历史数据对三个技术指标的金叉进行筛选，并选择具有一定共性的指标进行选股，以避免出现选股不足的情况。在执行选股策略时，注重风险控制和分散投资组合，避免过度集中投资造成的风险。
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，选股依据为同时满足三个技术指标的金叉，在综合考虑市场情绪、技术面、市场活跃度以及其他因素的基础上，选择符合条件的股票进行投资，注重风险控制和分散投资组合。
同花顺指标公式代码参考
// 建立选股语句
select stock_market_data.*
from stock_market_data, stock_basic_data
where stock_market_data.rsi < 65 and
stock_market_data.today_increase_rate > 1 and
stock_market_data.stock_code = stock_basic_data.stock_code and
stock_basic_data.is_main = 1 and
(stock_market_data.ma5 > stock_market_data.ma10) and
(stock_market_data.ma10 > stock_market_data.ma20) and
(stock_market_data.ma20 > stock_market_data.ma30)
order by stock_market_data.today_volume desc;
注意：ma5、ma10、ma20、ma30分别代表五日、十日、二十日、三十日均线，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():
# 获取满足要求的股票信息并筛选出同时满足三个技术指标的金叉的股票
today = ts.get_today_all()
filter_data = today[(today['open'] < today['settlement']) & (today['changepercent'] > 1) &
((today['exchange'] == 'SZSE') | ((today['exchange'] == 'SSE') & (today['code'].str.startswith('6'))))]
history_data = ts.get_hist_data(code=filter_data['code'].tolist(), start='20210517', end='20210517')
filter_data['ma5'] = ta.MA(history_data['close'], timeperiod=5)
filter_data['ma10'] = ta.MA(history_data['close'], timeperiod=10)
filter_data['ma20'] = ta.MA(history_data['close'], timeperiod=20)
filter_data['ma30'] = ta.MA(history_data['close'], timeperiod=30)
filter_data['ma5_gt_ma10'] = filter_data['ma5'] > filter_data['ma10']
filter_data['ma10_gt_ma20'] = filter_data['ma10'] > filter_data['ma20']
filter_data['ma20_gt_ma30'] = filter_data['ma20'] > filter_data['ma30']
filter_data['tech_golden_cross'] = filter_data['ma5_gt_ma10'] & filter_data['ma10_gt_ma20'] & filter_data['ma20_gt_ma30']
filter_data = filter_data[filter_data['tech_golden_cross']]
# 计算RSI指标，并筛选RSI指标小于65的股票
history_data = ts.pro_bar(ts_code=filter_data['ts_code'].tolist(), adj='qfq', freq='D', start_date='20100101', end_date='')
rsi_14 = ta.RSI(history_data['close'], timeperiod=14)
filter_data = filter_data[rsi_14 < 65]
# 计算涨跌幅度和选股依据，并返回前10只股票
daily_return = filter_data['close'] / filter_data['open'] - 1
filter_data['daily_return'] = daily_return
stock_list = filter_data.sort_values(by='volume', ascending=False).head(10)['ts_code'].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。
