问财量化选股策略逻辑
选股逻辑：选取RSI小于65、今日均线向上发散、并且9点25分涨幅小于6%的股票。
选股逻辑分析
该选股逻辑相比前面两个选股逻辑，加入了更加具体的时间要求，选出了RSI小于65、今日均线向上发散、9点25分涨幅小于6%的股票。通过加入时间要求可以进一步过滤掉一些大幅度变动的股票，避免过于波动的股票对选股结果的影响。
有何风险？
该选股逻辑同样过于依赖技术面指标，不能全面反映股票的价值和风险。此外，加入时间要求，可能会漏掉一些涨幅较大但是仍然有长期潜力的股票。
如何优化？
可以加入更多的基本面指标，如市盈率、市净率和净利润增长率等，以更全面地分析股票价值。选股逻辑中的时间要求可以根据不同市场和不同期望收益率灵活调节，不过需要注意，加入时间要求会降低筛选出优质股票的概率。
最终的选股逻辑
选取RSI小于65、今日均线向上发散、并且9点25分涨幅小于6%的股票。
同花顺指标公式代码参考
- RSI: RSI(14)
- 均线: MA(CLOSE,1), MA(CLOSE,20)
- 涨幅: (OPEN - PRECLOSE) / PRECLOSE
Python代码参考
import pandas as pd
import tushare as ts
import talib
def sort_by_turnover(stock_df):
today_all_data = ts.get_today_all()
today_all_data['流通市值'] = today_all_data['nmc'] / 100000000
stock_df['流通市值'] = today_all_data['流通市值'][stock_df['股票代码'].apply(lambda x: x[2:])]
stock_df = stock_df[stock_df['流通市值'] >= 100]
stock_df.sort_values(by='流通市值', ascending=False, inplace=True)
return stock_df
def get_stock_list(rsi_threshold=65, ma_today_length=1, ma_short_length=20, top_n=5, max_change=0.06):
stock_list = pd.DataFrame(columns=['股票代码', '名称'])
for _, row in ts.get_today_all().iterrows():
symbol = row['code']
if row['code'][0] == '6':
symbol = 'sh' + symbol
else:
symbol = 'sz' + symbol
kline_today = ts.get_k_data(symbol=symbol, start='2022-05-05', end='2022-05-05')
if len(kline_today) == 0:
continue
open_price = kline_today.iloc[0]['open']
pre_close_price = row['pre_close']
if (open_price - pre_close_price) / pre_close_price > max_change:
continue
close_price = kline_today['close']
rsi = talib.RSI(close_price, timeperiod=14)[-1]
if rsi > rsi_threshold:
continue
if close_price.iloc[-1] <= talib.MA(close_price, timeperiod=ma_today_length).iloc[-1]:
continue
stock_list = stock_list.append({'股票代码': symbol, '名称': row['name']}, ignore_index=True)
stock_list = sort_by_turnover(stock_list)[:100]
return stock_list[:top_n]
## 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。
