问财量化选股策略逻辑
选股逻辑为：RSI小于65、MACD零轴以上、100亿市值以内的无亏损企业。该选股策略基于技术指标和基本面因素，筛选出市值小、有上涨空间且具有盈利能力的个股。
选股逻辑分析
该选股策略基于以下因素：
- RSI指标小于65，市场情绪相对平稳；
- MACD指标零轴以上，市场处于上涨或整理阶段；
- 100亿市值以内，挖掘小市值个股的投资机会；
- 选股限定条件为盈利企业，具有一定的基本面支撑。
有何风险？
该选股策略可能存在以下风险：
- 过于依赖技术指标和固定准则，不能适应复杂多变的市场环境；
- 对公司盈利能力和业绩增长没有更为深入的判断和分析，存在风险；
- 100亿市值的限制条件过于严格，可能错过市场中潜力更大的个股；
- 公司盈利能力和财务状况的判断依赖于配置的信息来源，信息的准确性和及时性可能会影响投资决策的准确性。
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：
- 加入其他技术指标和基本面因素，对股票潜力和估值进行综合分析和考虑；
- 适当调整选股条件，根据当前市场和投资环境动态变化调整适当的选股条件；
- 定期分析并优化模型，增加模型的稳定性和可靠性；
- 持续跟踪和评估选股策略，发现潜在问题和机会。
最终的选股逻辑
选股条件为RSI小于65、MACD零轴以上、100亿市值以内的无亏损企业。该选股策略基于技术指标和基本面因素，筛选出市值小、有上涨空间且具有盈利能力的个股。
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
import numpy as np
import talib as ta
# 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
# 100亿市值以下的盈利企业
if stock_basics_df.loc[stock]["nprg"] <= 0 or stock_basics_df.loc[stock]["totals"] * stock_basics_df.loc[stock]["open"] >= 100000000000:
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。
