问财量化选股策略逻辑
选股逻辑：选取RSI小于65、按个股热度从大到小排序、100亿市值以内的无亏损企业。
选股逻辑分析
该选股逻辑除了采用了技术面指标（RSI）和热度指标（个股热度）之外，还考虑了企业市值和盈利能力等基本面因素。通过选择100亿市值以内的企业，并过滤掉有亏损的企业，可以减少投资风险。因此，该逻辑更加综合考虑了股票的多方位信息，较之简单地根据技术面指标选股更稳健。
有何风险？
基于盈利能力筛选无亏损企业很有意义，但可能排除了一些有较好风险控制能力或长期发展潜力的公司。对于过度关注市值和热度指标，也可能将一些优质的中小企业错过。另外，由于这些因素会随时间和市场环境变化，筛选出的股票有可能存在高估或超预期的风险。
如何优化？
一个可能的优化措施是加入其他基本面指标，如市盈率、市净率等，来更全面地评估一家企业的内在价值。另外，可以加入行业和市场的相对估值、投资风险等风控指标，从更宏观的角度考虑股票的投资价值。此外，也可以根据中长期的投资目标，调整市值和热度指标，更好的匹配自己的投资需求。
最终的选股逻辑
综合考虑企业市值、盈利能力、技术面和热度指标等因素，筛选出100亿市值以内、无亏损的优质企业。并且集中关注RSI小于65、个股热度从大到小排序的个股。此方法既综合了基本面和技术面因素，也对市场风险做了一定的控制。
同花顺指标公式代码参考
RSI指标：RSI(CLOSE,14)，其中14为计算周期；
python代码参考
import akshare as ak
import talib
import pandas as pd
获取个股日线数据
def get_daily_data(stock_code):
stock_zh_a_daily_hfq_df = ak.stock_zh_a_daily(symbol=stock_code,adjust="hfq")
stock_zh_a_daily_hfq_df = stock_zh_a_daily_hfq_df.iloc[::-1].reset_index()
stock_zh_a_daily_hfq_df['open_10ma'] = stock_zh_a_daily_hfq_df['open'].rolling(window=10).mean()
return stock_zh_a_daily_hfq_df
获取个股RSI指标
def get_RSI(stock_df, w):
rsi = talib.RSI(stock_df['close'].values, w)[-1]
return rsi
判断是否为亏损企业
def is_profitable(stock_code):
financial_df = ak.stock_financial_report(stock_code, "全部")
if float(financial_df.loc['净利润'][0]) > 0:
return True
else:
return False
选取符合条件的个股
def select_stocks():
stock_list = ak.stock_zh_a_spot()
stock_list = stock_list[stock_list['总市值'] < 100]
hot_stock_list = stock_list.sort_values(by='热度值', ascending=False)['代码'].values[:100]
result = []
for stock_code in hot_stock_list:
if is_profitable(stock_code):
stock_df = get_daily_data(stock_code)
if stock_df['open'].iloc[-1] > stock_df['open_10ma'].iloc[-1]:
rsi = get_RSI(stock_df, 14)
if rsi < 65:
result.append(stock_code)
return result
print(select_stocks())
## 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。
