问财量化选股策略逻辑
选股逻辑：选取RSI小于65、按个股热度从大到小排序、10日涨幅大于0小于35的股票。
选股逻辑分析
该选股逻辑在技术面选股的基础上，加入了10日涨幅大于0小于35的限制，过滤掉过度热门的、涨幅过高的股票。同时，仍然选取RSI小于65这一技术面指标进行选股，以减少选择高估的风险。最后，以个股热度从大到小排列来选择相对高潜力的股票。
有何风险？
该选股逻辑可能会过于关注近期热门的、10日涨幅在0到35之间的股票，而忽略了一些持续性好的低估股票。同时，选择基于RSI指标这一技术面指标，可能意味着着眼于短期投资，对于长期持有的股票可能不太适用。
如何优化？
可以考虑加入其他技术指标以及行情环境分析，综合选取更准确的低估股票。同时，可以加入基本面分析的指标，如PE、PB等，以提高选股的准确性。此外，为了避免过度关注热门个股和短期涨停板上的股票，可以考虑加入股票轮动策略，并增加选股的时间段。
最终的选股逻辑
综合考虑企业基本面、技术面、行情环境等多方面因素来筛选符合条件的个股。选取符合技术面指标、个股热度、10日涨幅等约束条件，同时结合其它行业板块和市场热点等情况，筛选有潜力的低估股票。
同花顺指标公式代码参考
RSI指标：RSI(CLOSE,14)，其中14为计算周期；
python代码参考
import akshare as ak
import talib
import pandas as pd
获取个股日线数据
def get_daily_data(stock_code):
stock_zh_a_daily_hfq_df = ak.stock_zh_a_daily(symbol=stock_code,adjust="hfq")
stock_zh_a_daily_hfq_df = stock_zh_a_daily_hfq_df.iloc[::-1].reset_index()
stock_zh_a_daily_hfq_df['open_10ma'] = stock_zh_a_daily_hfq_df['open'].rolling(window=10).mean()
return stock_zh_a_daily_hfq_df
获取个股RSI指标
def get_RSI(stock_df, w):
rsi = talib.RSI(stock_df['close'].values, w)[-1]
return rsi
获取个股10日涨幅
def get_10days_chg(stock_df):
chg = (stock_df['close'].iloc[-1] - stock_df['close'].iloc[-11])/stock_df['close'].iloc[-11]*100
return chg
选取符合条件的个股
def select_stocks():
stock_list = ak.stock_sector(index="板块资金流", sector="综合指数")
hot_stock_list = stock_list.sort_values(by='today_amount', ascending=False)['stock'].values[:100]
result = []
for stock_code in hot_stock_list:
if stock_code.startswith('60'):
stock_df = get_daily_data(stock_code)
if stock_df['open'].iloc[-1] > stock_df['open_10ma'].iloc[-1]:
rsi = get_RSI(stock_df, 14)
if rsi < 65:
chg = get_10days_chg(stock_df)
if chg > 0 and chg < 35:
result.append(stock_code)
return result
print(select_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。
