(supermind量化策略)a1/rsi小于65、外盘除内盘大于1

问财量化选股策略逻辑

选股逻辑包括：RSI小于65，外盘/内盘大于1.3，资金强度由大到小。

选股逻辑分析

该选股逻辑综合考虑了技术面和市场流通性，且通过资金强度排序可以筛选出当前市场中相对较强的股票。

有何风险？

1. 选股过于依赖技术面指标和资金流向指标，忽略了公司基本面等因素，可能导致选出的股票无法全面反映企业价值和风险；
2. 股票交易中存在随机波动和交易成本等问题，可能影响选股策略的收益；
3. 市场资金流动性和风险偏好可能发生变化，导致策略表现下降。

如何优化？

1. 在技术面指标和资金流向指标的基础上，加入市场、行业、经济等其他因素，综合考虑企业的价值和风险；
2. 加强风险管理，避免选股过多或过少，保证整个投资组合的收益率和稳定性；
3. 建立动态的选股模型，根据市场环境的变化进行调整和优化。

最终的选股逻辑

选股逻辑包括：RSI小于65，外盘/内盘大于1.3，资金强度由大到小。

同花顺指标公式代码参考

// RSI指标计算公式
LC := REF(CLOSE,1);
RSI1:=MA(MAX(CLOSE-LC,0),N)/MA(ABS(CLOSE-LC),N)*100;
RSI(N):MA(RSI1,M);

// 外盘/内盘计算公式
UP:=IF(CLOSE>LC,VOL,0);
DOWN:=IF(CLOSE<LC,VOL,0);
OSC:=SUM(UP,14)/SUM(DOWN,14);

// 资金强度指标计算公式
D:EMA((H+L)/2,13);
K:EMA(D,27);
J:EMA(K,2)*3-EMA(K,3)*2;

// 完整策略选股公式
SORTBY(IF(C,OSC/VOL>1.3 AND RSI(14)<65,J,0), J);

Python代码参考

import akshare as ak
import pandas as pd

# 获取当前A股股票列表
stock_list = ak.stock_zh_a_spot_em()

# 计算并筛选符合条件的股票
selected_stocks = []
for stock_code in stock_list.index:
    # 获取股票数据
    daily_data = ak.stock_zh_a_daily_em(stock_code, adjust="hfq")
    if daily_data is None:
        continue
    rsi_data = ak.stock_zh_index_daily_indicator(stock_code)
    if rsi_data is None:
        continue
    rsi_14 = rsi_data.iloc[-1]["rsi_14"]
    if rsi_14 >= 65:
        continue
    inner_volume = ((daily_data["收盘价"].values - daily_data["最低价"].values) - (daily_data["最高价"].values - daily_data["收盘价"].values)) / (daily_data["最高价"].values - daily_data["最低价"].values) * daily_data["成交量"].values
    outer_volume = daily_data["成交量"].values - inner_volume
    outer_inner_ratio = outer_volume[-1] / inner_volume[-1]
    if outer_inner_ratio <= 1.3:
        continue
    if daily_data.iloc[-1]["是否ST"] != "否":
        continue
    if daily_data.iloc[-1]["是否退市"] != "否":
        continue
    # 计算资金强度并按照从大到小排序
    datetime_now = datetime.now()
    time_str = (datetime_now - timedelta(days=1)).strftime("%Y-%m-%d") + " 15:00:00"
    data = ak.stock_zh_a_minute_em(stock_code, start_date=time_str, end_date=datetime_now.strftime("%Y-%m-%d %H:%M:%S"), adjust="hfq")
    if data is None or len(data) < 2:
        continue
    daily_data = pd.concat([daily_data, data], ignore_index=True).drop_duplicates(subset=["日期"], keep="last")
    ma5_volume = daily_data["成交量"].rolling(5).mean()
    ma10_volume = daily_data["成交量"].rolling(10).mean()
    ma20_volume = daily_data["成交量"].rolling(20).mean()
    j = 3 * ma10_volume.iloc[-1] - 2 * ma20_volume.iloc[-1]
    if ma5_volume.iloc[-1] <= ma10_volume.iloc[-1] or ma10_volume.iloc[-1] <= ma20_volume.iloc[-1]:
        continue
    selected_stocks.append((stock_code, j))

# 按照资金强度从大到小排序输出符合条件的股票代码和名称
selected_stocks.sort(key=lambda x: x[1], reverse=True)
for stock_code, j in selected_stocks:
    stock_info = stock_list.loc[stock_code]
    if stock_info["名称"] == "None":
        continue
    print(f"{stock_code}、{stock_info['名称']}、资金强度：{j:.2f}")

        ## 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。
        ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)