问财量化选股策略逻辑
选股逻辑：在RSI小于65，15分钟周期MACD绿柱变短，并且500日内至少有2次涨停的情况下选股。
选股逻辑分析
该选股策略在原有基础上增加了涨停板条件，更加全面考虑了股票的市场表现。同时此指标是对市场表现高度敏感的，因此能够更好地反映出资金的涌入和股价变化等因素。
有何风险？
该选股策略在选股时通过历史数据来判断涨停板条件，但是历史数据未必能反映出未来的市场表现，因此选股结果可能存在误差。此外，一些涨停板可能只是利用市场情绪等因素造成的短期行为，没有真正的内在价值支撑，因此需要加以警惕。
如何优化？
-
增加更多的指标条件，如量价相关指标、市场情绪指标、业绩数据等，以全面考虑股票的市场状态以及投资人的心态等因素。
-
对历史涨停板的判断需进行优化，例如加入换手率、市场表现等多个维度进行判断，以确定涨停板是否存在内在价值支撑。
-
结合量化方法和人工判断，优化选股策略的策略进出点。
最终的选股逻辑
在RSI小于65，15分钟周期MACD绿柱变短，并且500日内至少有2次涨停的情况下选股。
同花顺指标公式代码参考
- RSI指标：
通达信指标公式：RSI(CLOSE,N)
同花顺指标公式：RSI(CLOSE,N)
- MACD指标：
通达信指标公式：MACD(CLOSE,SHORT,LONG,M)
同花顺指标公式：MACD(CLOSE,SHORT,LONG,M)
python代码参考
以下是根据该选股策略实现的Python代码示例，仅供参考。
import tushare as ts
import talib
def select_stocks(stocks):
res = []
for stock in stocks:
try:
# 判断上个交易日是否涨停板
stay_tol_days = 500
hist_data = ts.get_k_data(stock, ktype='D', start='2020-01-01', end=ts.get_hist_data(stock).index[0], autype='qfq')
if hist_data is None or hist_data.empty:
continue
hist_data['rolling_max'] = hist_data['high'].rolling(stay_tol_days, min_periods=1).max()
hist_data['pct_chg'] = hist_data['close'].pct_change()
if (hist_data.iloc[-2]['close'] == hist_data.iloc[-2]['rolling_max']) or \
(hist_data.iloc[-1]['close'] == hist_data.iloc[-1]['rolling_max'] and hist_data.iloc[-1]['pct_chg'] > 0):
continue
# 筛选RSI小于65的股票
rsi_threshold = 65
hist_data = ts.get_k_data(stock, ktype='D', end=ts.get_today_date(), autype='qfq')
if hist_data is None or hist_data.empty or len(hist_data) < 14:
continue
rsi_data = talib.RSI(hist_data['close'].values, timeperiod=14)
if rsi_data is None or rsi_data[-1] >= rsi_threshold:
continue
# 判断MACD条件
hist_data = ts.get_k_data(stock, ktype='15', end=ts.get_today_date(), autype='qfq')
if hist_data is None or hist_data.empty or len(hist_data) <= 10:
continue
macd, macdsignal, macdhist = talib.MACD(hist_data['close'].values, fastperiod=12, slowperiod=26, signalperiod=9)
if macd is None or macdsignal is None or macdhist is None or macdhist[-1] > macdhist[-2]:
continue
# 判断历史涨停板情况
hist_data = ts.get_k_data(stock, ktype='D', end=ts.get_today_date(), autype='qfq')
if hist_data is None or hist_data.empty:
continue
hist_data = hist_data[['date', 'close']]
hist_data['pct_chg'] = hist_data['close'].pct_change()
hist_data['up_limit'] = hist_data['pct_chg'].apply(lambda x: True if x >= 0.09 else False)
if hist_data['up_limit'].rolling(window=stay_tol_days, center=False).sum().iloc[-1] < 2:
continue
res.append(stock)
except Exception as e:
print(e)
continue
return res
stocks = ts.get_stock_basics().index
res = select_stocks(stocks)
print(res)
## 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。
