(supermind量化策略)换手率3%-12%、反包、rsi小于65

问财量化选股策略逻辑

选股逻辑为：在换手率3%-12%、反包、RSI小于65的股票中选择。

选股逻辑分析

该选股逻辑主要关注股票价格的变化情况（反包），以及股票的超买状态（RSI小于65）。通过控制换手率在一定范围内，以保证股票的流动性和活跃程度。

有何风险？

该选股策略主要关注股价走势，缺少更多的财务指标和行业分析。而且，RSI指标的参数（例如65）并没有固定标准，可能会因为不同股票的情况而出现误判。

如何优化？

可以考虑加入更多的财务指标和行业分析，以综合考虑股票的基本面和走势情况。同时，可以针对不同的股票进行参数调整，以达到更好的效果。

最终的选股逻辑

选股条件为：在换手率3%-12%、反包、RSI小于65的股票中选择。

同花顺指标公式代码参考

选股条件：(RSI(m, n) < 65) AND (close <= MAAW && close > REF(MAAW, 1)) AND (TURNRATE >= 3 AND TURNRATE <= 12) ORDER BY close ASC
选股结果：fml('(RSI(m, n) < 65) AND (close <= MAAW AND close > REF(MAAW, 1)) AND (TURNRATE >= 3 AND TURNRATE <= 12) ORDER BY close ASC', 80)

其中，RSI(m, n)表示RSI指标，close表示股票收盘价，MAAW表示股票的均线。TURNRATE表示股票的换手率。

Python代码参考

import tushare as ts
import pandas as pd
ts.set_token('your_token')
pro = ts.pro_api()

# RSI指标函数
def RSI(df, n):
    delta = df['close'].diff()
    dUp, dDown = delta.copy(), delta.copy()
    dUp[dUp < 0] = 0
    dDown[dDown > 0] = 0
    RolUp = dUp.rolling(n).mean()
    RolDown = dDown.rolling(n).mean().abs()
    RS = RolUp / RolDown
    df['RSI'] = 100.0 - (100.0 / (1.0 + RS))
    return df[['trade_date', 'RSI']]

# 筛选好股票函数
def select_good_stocks():
    # 换手率3%-12%
    df1 = pro.daily_basic(ts_code='', trade_date='20220110', fields='ts_code,trade_date,turnover_rate')

    # 反包和RSI小于65
    trade_days = pro.trade_cal(exchange='', start_date='20220107', end_date='20220110')[pro.trade_cal.is_open == 1]['cal_date'].tolist()
    df2 = pd.DataFrame()
    for trade_day in trade_days:
        df = pro.daily(ts_code='', start_date=trade_day, end_date=trade_day, fields='ts_code,trade_date,high,low,close')
        df = RSI(df, 14)
        df = df[(df['RSI'] < 65) & (df['close'] <= df['MAAW']) & (df['close'] > df['MAAW'].shift(1))]
        df2 = pd.concat([df2, df])
    df2 = df2[df2['trade_date'] == '2022-01-07']
    df2 = df2[['ts_code']]

    df3 = pd.merge(df1, df2[['ts_code']], on='ts_code', how='inner')

    df4 = pro.stock_basic(exchange='', list_status='L', fields='ts_code,name,industry,pe,pb,turnover_rate,amount,total_mv,float_mv')
    df4 = df4[(df4['float_mv'] < 100000) & (df4['industry'] != '')]

    df5 = pd.merge(df4, df3[['ts_code']], on='ts_code', how='inner')
    df6 = df5[(df5['turnover_rate'] > 3) & (df5['turnover_rate'] < 12)]
    df6 = df6.round({'turnover_rate': 2, 'float_mv': 2})
    df6 = df6.sort_values(by='close', ascending=True)
    return df6

good_stocks = select_good_stocks()
print(good_stocks)

    ## 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)

(supermind量化策略)换手率3%-12%、反包、rsi小于65_