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%、连续3天以上大单净量大于0.05。该选股逻辑既考虑了基本面，又结合了技术面和资金面的因素，旨在在找出内在价值较高且市场人气较高的个股。
选股逻辑分析
该选股逻辑通过关注基本面、技术面和资金面的投资因素，以筛选价值和市值都较为优秀的个股。其中，RSI指标小于65表明股票处于相对低位，有望反弹。归属母公司股东的净利润同比增长率大于20%小于等于100%，表示公司具备成长性和盈利能力。连续3天以上大单净量大于0.05是考虑了资金面因素，认为该公司大量资金介入，市场看好该公司该股票表现。
有何风险？
该选股策略虽然考虑了多重因素，但也面临着一些风险。连续3天以上大单净量大于0.05可能会造成虚高的资金面评估，买卖双方的做单情况也会受到多种因素的影响，从而影响股价表现。另外，短期内股票的涨跌往往来自市场情绪的波动，也有可能存在一定的误差。
如何优化？
可以结合基本面、技术面和资金面的因素来选股。在基本面方面，可以增加其他财务指标，如市盈率、市净率等，以获取更全面的公司估值信息，从而更全面地了解企业的财务状况。在技术面方面，可使用其他更准确的技术指标。在资金面方面，可结合其他资金流向的指标，如资金流量、资金利率等。
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%、连续3天以上大单净量大于0.05。该选股逻辑以基本面、技术面和资金面的多重因素来筛选稳健增长型亮眼股票。
同花顺指标公式代码参考
// 筛选A股
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_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHAREINCOME
WHERE S_FA_YEAR >= 2018
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_DQ_CLOSE <= S_DQ_PRECLOSE * 0.9
AND S_INFO_WINDCODE IN (
SELECT S_INFO_WINDCODE
FROM ASHAREINSTITUTIONALTRADING
WHERE S_IT_NET_BUY_VOLUME / S_DQ_VOLUME > 0.05
AND LAG(S_IT_NET_BUY_VOLUME / S_DQ_VOLUME, 1) > 0.05
AND LAG(S_IT_NET_BUY_VOLUME / S_DQ_VOLUME, 2) > 0.05
)
ORDER BY S_DQ_AMOUNT_TODAY DESC
LIMIT 10
Python代码参考
# 导入需要用到的库
import pandas as pd
import tushare as ts
import talib
# 选股函数
def stock_picking(data):
# 计算RSI指标
rsi = talib.RSI(data['close'], timeperiod=14)
# 筛选A股
stock_list = ts.get_stock_basics().index.tolist()
data = data.loc[data.index.get_level_values(0).isin(stock_list)]
# 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()
# 计算连续3天以上大单净量大于0.05的股票
inst_data = ts.inst_detail()
inst_data['buy_sell_ratio'] = inst_data['buy'].div(inst_data['sell'], fill_value=0)
inst_data['net_buy_ratio'] = inst_data['net_buy_volume'].div(inst_data['volume'], fill_value=0)
inst_data['net_buy_ratio_shift1'] = inst_data.groupby('code')['net_buy_ratio'].shift(1)
inst_data['net_buy_ratio_shift2'] = inst_data.groupby('code')['net_buy_ratio'].shift(2)
inst_data = inst_data[(inst_data['net_buy_ratio'] > 0.05)
& (inst_data['net_buy_ratio_shift1'] > 0.05)
& (inst_data['net_buy_ratio_shift2'] > 0.05)][['code']]
stock_list = list(set(inst_data['code'].tolist()) & set(data.index.levels[1].tolist()))
# 筛选满足条件的股票
filter_cond = (rsi < 65) & (data['net_profits_growth'] > 0.2) & (data['net_profits_growth'] <= 1) & data.index.get_level_values(1).isin(stock_list)
stock_list = data[filter_cond].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。
