问财量化选股策略逻辑
选股逻辑：选择RSI小于65的股票，企业性质优秀，属于2021年上市的股票。
选股逻辑分析
该选股策略同样结合了技术分析和基本面分析，其中技术分析关注了RSI指标，基本面分析则要求企业具有优秀的性质，并且在2021年上市，考虑到新上市股票的投资价值。
有何风险？
该选股策略同样主要基于技术分析，忽略了一些基本面的因素，如市盈率等可能会影响股价走势的因素，因此需要谨慎使用。同时，仅关注2021年上市的股票可能较为局限，忽略了一些其他潜力股的机会。
如何优化？
在基本面分析上可以加入其他因素的考虑，如市盈率、净利润增长率等。在技术分析上，可以结合更多指标进行筛选，如MACD、均线等。同时可以适当放宽上市时间的限制，考虑更多具有投资价值的股票。
最终的选股逻辑
选股逻辑：选择RSI小于65的股票，企业性质优秀，属于近3年上市的股票（可根据具体需求进行调整）。
同花顺指标公式代码参考
- RSI小于65：RSI(CLOSE,14)<65
- 企业性质：需根据具体情况进行筛选。
- 近3年上市：可通过计算股票的上市时间与当前时间的差值，判断是否符合条件。
python代码参考
import pandas as pd
import tushare as ts
import numpy as np
# 连接tushare并获取股票基本信息
token = 'token'
pro = ts.pro_api(token)
basic = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
# 初始化筛选条件
rsi = 65
年份 = 3
# 获取当前时间和交易日历
import datetime
today = datetime.datetime.today().strftime('%Y-%m-%d')
# 遍历每支股票
result = []
for code in basic['ts_code']:
# 获取历史交易信息
hist = ts.get_hist_data(code, start='', end=today)
# 判断是否符合条件
上市时间 = datetime.datetime.strptime(basic[basic['ts_code'] == code].iloc[0]['list_date'], "%Y%m%d")
时间差 = (datetime.datetime.today() - 上市时间).days / 365
if 时间差 <= 年份:
rsi_data = talib.RSI(hist['close'].values.astype(float), timeperiod=14)
if rsi_data[-1] < rsi:
result.append([code, basic[basic['ts_code'] == code].iloc[0]['name']])
# 对筛选结果进行排序
result_df = pd.DataFrame(result, columns=['代码', '名称'])
result_df = result_df.sort_values('名称', ascending=False).reset_index(drop=True)
result_df.to_excel('result.xlsx', index=False)
## 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。
