问财量化选股策略逻辑
选股逻辑：在RSI小于65、昨日竞价换手率大于0.26、20日均线大于120日均线的股票中，选取符合条件的股票。
选股逻辑分析
该选股策略基于技术分析，选股逻辑主要考虑了技术面的因素，RSI、20日与120日均线的判断，结合竞价换手率对流动性的要求进行筛选。技术面能够较为客观地反映出股票的走势，具有一定的参考作用。
有何风险？
该选股策略虽然结合了RSI、均线、竞价换手率等多种指标，但是可能无法全面反映公司运营情况、行业前景等因素，从而导致选股的盈利能力不如预期。同时，过分注重技术面也可能忽略企业的基本面，这会影响投资效果。
如何优化？
1.加入更多指标：除了技术面指标外，还应该考虑公司财务数据、市场形势等更多因素，以增强选股策略的全面性和有效性。
2.通过机器学习来优化策略：可以使用机器学习技术，建立预测模型，发现股票走势中的规律和数据特征，增强选股的有效性。
3.应用真实盈利回测：可以结合历史数据和实际交易情况，不断回测和修正选股策略，改进选股的可靠性和准确性。
最终的选股逻辑
选股标准为：RSI小于65、昨日竞价换手率大于0.26、20日均线大于120日均线的股票中，选取符合条件的股票。
同花顺指标公式代码参考
// RSI小于65
CONDITION1 = RSI(C,14) < 65;
// 昨日竞价换手率大于0.26
CONDITION2 = Turnover > 0.26;
// 20日均线大于120日均线
CONDITION3 = MA(C,20) > MA(C,120);
// 排序
SORT_BY = 按个股热度排序;
// 筛选符合条件且按个股热度排序的股票
SELECT (CONDITION1 AND CONDITION2 AND CONDITION3) ORDER BY SORT_BY DESC;
python代码参考
import datetime
import tushare as ts
import talib
def select_stocks(stocks):
res = []
for stock in stocks:
try:
k_data = ts.get_k_data(stock, start='1900-01-01', end=datetime.datetime.now().strftime('%Y-%m-%d'))
rsi = talib.RSI(k_data['close'].astype(float).values, timeperiod=14)[-1]
turnover = k_data['turnover'].astype(float).values[-2] / 100
ma20 = talib.MA(k_data['close'].astype(float).values, timeperiod=20)[-1]
ma120 = talib.MA(k_data['close'].astype(float).values, timeperiod=120)[-1]
hot_degree = ts.get_realtime_quotes(stock).iloc[0]['name']
if rsi < 65 and turnover > 0.26 and ma20 > ma120:
res.append((hot_degree, stock))
except:
continue
res.sort(reverse=True)
return [i[1] for i in res]
stocks = ts.get_stock_basics().index
res = select_stocks(stocks)
print(res)
## 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。
