问财量化选股策略逻辑
选股逻辑：选择RSI小于65的股票，规模在2亿以上，10天内涨停天数大于2的股票。
选股逻辑分析
该选股逻辑注重了近期的股价表现和市场热度，选出了一些表现较好且市场认可度较高的股票。同时也考虑了市值，避免了小市值股票的选择。但该选股策略忽略了基本面的重要性，可能忽略了一些基本面不佳但近期股价表现出色的股票。
有何风险？
该选股逻辑存在以下几个方面的风险：
- 忽略了基本面，过度关注短期股价表现和市场热度；
- 使用涨停天数作为选股依据，有可能出现后期调整的情况；
- 忽略了一些基本面不佳但近期出现股价止跌回升的股票。
如何优化？
在保证选股逻辑和风险控制的前提下，可以考虑在基本面和情绪面方面进行优化。例如在基本面方面，可以加入其他基本面指标如财务报表季度同比增速等；在情绪面方面，可以加入其他市场情绪指标如股东人数等。
最终的选股逻辑
筛选规模在2亿以上，RSI小于65，10天内涨停天数大于2的股票。
同花顺指标公式代码参考
MKT_CAP >= 200000000 AND RSI(CLOSE, 14) < 65 AND (REF(HIGH,1)/REF(CLOSE,1)-1) > 0.095 AND ... (其他细节保留)
python代码参考
from jqdata import *
import talib
# 获取选股结果
def select_stocks(context):
# 获取所有股票的技术形态和基本面信息
all_tech = history_bars(context.universe, 10, '1d', ['close'])
all_info = get_fundamentals(query(valuation, valuation.pe_ratio).filter(
valuation.circulating_market_cap >= 2e8))
# 筛选RSI小于65
selected_stocks = all_info.loc[all_info.index.isin(all_tech.columns)]
selected_stocks = selected_stocks.loc[talib.RSI(all_tech, timeperiod=14).iloc[-1] < 65]
# 筛选10天内涨停天数大于2的股票
df = get_price(selected_stocks.index.tolist(), end_date=context.now, frequency='daily', fields='close')
limit_up_days = ((df.pct_change() > 0.095) & (df.shift(1).pct_change() < 0.095)).sum().rename('limit_up_days')
selected_stocks = selected_stocks.join(limit_up_days)
selected_stocks = selected_stocks.loc[selected_stocks['limit_up_days'] > 2]
# 按市场热度排序
selected_stocks = selected_stocks.sort_values('today', ascending=False)
return list(selected_stocks.index)
# 注册选股函数
m = M.instruments(v['margin'])
m.add_strategy(select_stocks, force=True)
## 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。
