问财量化选股策略逻辑
选股逻辑:在RSI小于65、15分钟周期MACD绿柱变短、30日平均线向上的股票中选取股票。
选股逻辑分析
该选股策略综合运用了RSI、MACD和均线等技术指标。通过RSI指标,筛选出买入时机尚未到来的股票。MACD作为趋势指标,筛选出股票处于下跌趋势中的个股。均线作为重要的支撑线,在股票处于中长期上升趋势时,一般位于股价之下,如果股价已经成功站上均线,且均线向上,说明短期内股票在上涨。但是在实际选股中,需要注意指标之间的相互作用。
有何风险?
该选股策略仍然存在一些风险。一方面,该选股策略忽略了股票的基本面分析,只考虑了技术指标,可能会忽视公司质量、股票市值等重要因素,导致风险;另一方面,我们需要警惕选股策略的普适性,不同阶段、不同板块的股票表现出的有效性会有显著差异。
如何优化?
-
引入更多的技术指标和量价分析方法,如MACD变化率和KDJ指标等等,以提高选股的准确性和稳定性。
-
合理设置选股条件权重,通过机器学习方法自动调整更合适的权重,精确地挖掘出相应阶段中表现优秀的股票。
-
优化选股条件,加入基本面和行业分析等因素,以更全面地分析股票的投资价值。
最终的选股逻辑
在RSI小于65、15分钟周期MACD绿柱变短、30日平均线向上的股票中选取股票。
同花顺指标公式代码参考
- RSI指标:
通达信指标公式:RSI(CLOSE,14)
同花顺指标公式:RSI(CLOSE,14)
- MACD指标:
通达信指标公式:MACD(CLOSE,12,26,9)
同花顺指标公式:MACD(CLOSE,12,26,9)
- 均线指标:
通达信指标公式:MA(CLOSE,30)
同花顺指标公式:MA(CLOSE,30)
python代码参考
以下是一个根据该选股策略实现的Python代码示例,仅供参考。
import tushare as ts
import talib
def select_stocks(stocks):
res = []
for stock in stocks:
try:
if stock.startswith('300'):
continue
# 获取收盘价
end_date = ts.get_today_date()
hist_data = ts.get_k_data(stock, ktype='D', start_date=end_date, end_date=end_date)
if hist_data is None or hist_data.empty or len(hist_data) != 1:
continue
close = hist_data['close'].iloc[0]
# 判断RSI条件
rsi_threshold = 65
hist_data = ts.get_k_data(stock, ktype='D', end=end_date, autype='qfq')
if hist_data is None or hist_data.empty or len(hist_data) < 14:
continue
rsi_data = talib.RSI(hist_data['close'].values, timeperiod=14)
if rsi_data is None or rsi_data[-1] >= rsi_threshold:
continue
# 判断MACD条件
hist_data = ts.get_k_data(stock, ktype='15', start=end_date, end=end_date)
if hist_data is None or hist_data.empty or len(hist_data) <= 10:
continue
macd, macdsignal, macdhist = talib.MACD(hist_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if macd is None or macdsignal is None or macdhist is None or macdhist[-1] > macdhist[-2] or macd[-1] < 0 or macdsignal[-1] < macdsignal[-2]:
continue
# 判断均线条件
ma_data = talib.MA(hist_data['close'].values, timeperiod=30)
if ma_data is None or ma_data[-1] <= hist_data['close'].iloc[-1]:
continue
res.append(stock)
except Exception as e:
continue
return 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。
