问财量化选股策略逻辑
选股逻辑为：RSI小于65、MACD零轴以上、9点25分涨幅小于6%。该选股策略基于技术分析和短期市场表现考虑，可以筛选出具备较好股价走势和良好的市场表现的大型蓝筹股。
选股逻辑分析
该选股策略基于以下因素：
- RSI指标小于65，表示市场情绪相对平稳；
- MACD指标零轴以上，意味着市场可能处于上涨或整理阶段；
- 选择9点25分涨幅小于6%的股票，可以避免超跌的股票；
- 使用多个因素综合考虑，可提高选股策略的有效性和准确性。
有何风险？
该选股策略可能存在以下风险：
- 忽略了一些公司的成长潜力，可能选出的标的较为保守；
- 过度依赖短期市场表现，无法准确预测长期走势；
- 未考虑股票的基本面因素，可能存在一些股票有较高的风险。
如何优化？
为了提高该选股策略的有效性和准确性，可以考虑以下因素：
- 结合其他指标如布林线、KD线等技术指标进行综合考虑；
- 考虑市场趋势和板块的因素，以及公司的基本面因素；
- 适当增加选股的时间段，延长选股的周期，避免过度依赖短期市场表现。
最终的选股逻辑
选股条件为RSI小于65、MACD零轴以上、9点25分涨幅小于6%。该选股策略基于技术分析和短期市场表现考虑，可以筛选出具备较好股价走势和良好的市场表现的大型蓝筹股。
以下是同花顺指标公式代码参考：
- RSI指标：RSI(CLOSE,14);
- MACD指标：MACD(CLOSE,12,26,9);
以下是Python代码实现该选股策略：
import tushare as ts
# 定义选股条件
def condition(stock):
# 验证股票是否退市以及停牌和ST
stock_basics_df = ts.get_stock_basics()
if stock not in stock_basics_df.index:
return False
if stock_basics_df.loc[stock]["timeToMarket"] > 0:
return False
if "ST" in stock_basics_df.loc[stock]["name"]:
return False
# RSI小于65
df_daily = ts.get_k_data(stock, ktype="D")
if df_daily.empty:
return False
rsi = df_daily["close"].talib("RSI", timeperiod=14)
if rsi[-1] >= 65:
return False
# MACD零轴以上
dif = df_daily["close"].ewm(span=12).mean() - df_daily["close"].ewm(span=26).mean()
dea = dif.ewm(span=9).mean()
macd = (dif - dea) * 2
if macd[-1] <= 0:
return False
# 9点25分涨幅小于6%
df_today = ts.get_today_ticks(stock)
if df_today.empty:
return False
price = df_today.iloc[0]["price"]
pre_close = df_daily.iloc[-2]["close"]
if (price - pre_close) / pre_close * 100 >= 6:
return False
return True
# 获取所有A股股票列表
stocks = ts.get_stock_basics().index.tolist()
selected_stocks = filter(condition, stocks)
# 打印符合条件的股票代码和名称
for stock in selected_stocks:
print(stock, ts.get_stock_basics().loc[stock]["name"])
## 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。
