问财量化选股策略逻辑
选股逻辑为：RSI小于65、MACD零轴以上、股票代码以60开头。该选股策略基于技术指标和股票代码，筛选出相对稳定、有较大上涨空间的股票。
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；
- 股票代码以60开头，选取稳定、具有一定潜力的个股；
- 综合考虑多个因素，筛选出具有一定上涨趋势的个股。
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，可能会出现因指标变动而选错股票的情况；
- RSI指标只能较为粗略地反映市场情绪，可能存在预测能力不足的情况；
- 股票代码限制较为严格，可能会在选股中错过一些潜力比较大的个股；
- 选股周期较短，短期内股票的上涨空间和趋势可能会出现反复。
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：
- 将选股条件中的技术指标进行优化和调整，加大预测能力；
- 放宽对股票代码的限制，增加选股的可行性和潜力；
- 加入基本面因素，如公司财务指标、行业发展情况等，综合分析股票潜力与价值性；
- 根据选股结果，动态调整选股策略，避免选股程序的僵化和定式化。
最终的选股逻辑
选股条件为RSI小于65、MACD零轴以上、股票代码以60开头。该选股策略基于技术指标和股票代码，筛选出相对稳定、有较大上涨空间的股票。
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);
- 股票代码以60开头：LEFT(CODE, 2) == "60";
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，且股票代码以60开头
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
if stock[:2] != "60":
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
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。
