问财量化选股策略逻辑
选股逻辑：rsi小于65，上市大于1年，500日内至少2次涨停。
选股逻辑分析
该选股逻辑同样结合了技术面和基本面因素，通过RSI指标评估股票是否处于超卖状态，选择上市时间较久的股票，500日内至少2次涨停反映了股票当前热度，以此判断股票的投资价值。通过该选股逻辑，预计可以挑选出一些具备一定潜力的热门股票。
有何风险？
该选股逻辑依然存在单一技术指标和基本面指标的盲目性。另外，同一股票有时是由于某种因素所导致的连续两次涨停，若这种原因无法持续，短时间内的热度会随之降温，股价可能会出现下跌的风险。此外，还有涨停板机制下的流动性风险，可能存在无法买入或卖出的情况。
如何优化？
为了提高选股逻辑的准确度，可以引入更多指标进行综合分析，如成交量、市盈率、市净率等指标，并考虑数据来源和准确度的问题。可以通过回测和实盘测试，不断地优化选股策略的参数和指标，减少盲目性，并且可以考虑加入其他算法，如机器学习等，提高模型预测准确度。此外，可以根据实际需求和市场行情，灵活调整选股指标和阈值。
最终的选股逻辑
选股逻辑：rsi小于65，上市大于1年，500日内至少2次涨停。
同花顺指标公式代码参考
C1: MAINBORADINFO(0) == 1 AND HSL >= 0.1
C2: RSI(CLOSE, 14) <= 65
C3: REF(HIGH, 1) / REF(CLOSE, 2) >= 1.1
C4: REF(HIGH, 2) / REF(CLOSE, 3) >= 1.1
SELECT IF(C1 AND C2 AND (C3 + C4 >= 2), 1, 0)
Python代码参考
import pandas as pd
import akshare as ak
import talib
def get_stock_list():
result_df = pd.DataFrame()
stock_pool = ak.stock_zh_a_spot().astype({'证券代码':'str'})['证券代码'].tolist()
for code in stock_pool:
# 获取股票基本信息
stock_info = ak.stock_info_a_name(code).reset_index(drop=True)
if len(stock_info) == 0:
continue
stock_info.rename(columns={"0": "name", "1": "market_cap"}, inplace=True)
stock_info['code'] = code
stock_info = stock_info[['code', 'name']]
# 获取股票K线数据并计算技术指标
df = ak.stock_zh_a_daily(symbol=code, adjust="qfq")
if len(df) == 0:
continue
# 计算RSI指标
df['rsi'] = talib.RSI(df['收盘价'].values, timeperiod=14)
# 判断涨停次数
high_price_ratio_1 = df['最高价'].shift(1) / df['收盘价'].shift(2)
high_price_ratio_2 = df['最高价'].shift(2) / df['收盘价'].shift(3)
count_limit_up = ((high_price_ratio_1 >= 1.1) & (high_price_ratio_2 >= 1.1)).sum()
condition = (count_limit_up >= 2)
if condition:
result_df = result_df.append(stock_info, ignore_index=True)
return result_df
Python依赖库
-
pandas
-
akshare
-
talib
## 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。 