(iwencai量化策略)rsi小于65_、9点25分涨幅小于6%、至少5根均线重合的股票

问财量化选股策略逻辑

• 至少5根均线重合的股票
• 9点25分涨幅小于6%
• RSI小于65

选股逻辑分析

这个策略基于以下三个条件来筛选股票：

1. 股票至少有5根均线重合，这表明股票的价格趋势比较稳定，可能具有较好的投资价值。
2. 9点25分涨幅小于6%，这表明股票在开盘价上表现不佳，可能是受到市场负面因素的影响。
3. RSI小于65，这表明股票的短期趋势比较疲软，可能需要进行调整。

综合这三个条件，这个策略可能适合那些寻求稳定投资机会、且希望避免高风险交易的投资者。

有何风险？

这个策略的风险主要来自于市场波动和选择错误的股票。如果市场出现大幅波动，股票的价格可能会出现较大的波动，导致投资者的损失。此外，如果选择错误的股票，即使满足了策略的条件，也可能无法获得良好的投资回报。

如何优化？

为了优化这个策略，可以考虑以下几点：

1. 调整均线的数量，以适应不同的市场环境和投资风格。
2. 尝试使用其他技术指标来筛选股票，以增加策略的准确性和可靠性。
3. 考虑加入其他条件，例如股票的市值、市盈率等，以更好地筛选具有投资价值的股票。

最终的选股逻辑

• 股票至少有5根均线重合
• 9点25分涨幅小于6%
• RSI小于65
• 股票市值在一定范围内
• 股票市盈率在一定范围内

python代码参考

import tushare as ts
import talib

# 设置pro接口token
ts.set_token('your_token')

# 初始化pro接口
pro = ts.pro_api()

# 获取所有股票的收盘价、均线等数据
df = pro.realtime_quotes('000300.XSHG')

# 计算RSI指标
rsi = talib.RSI(df['close'], timeperiod=14)

# 筛选出符合条件的股票
selected_stocks = df[(df['close'] > df['close'].rolling(window=5).mean()) & 
                     (df['close'] < df['close'].rolling(window=5).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=14).mean()) & 
                     (df['close'] < df['close'].rolling(window=14).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=60).mean()) & 
                     (df['close'] < df['close'].rolling(window=60).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=120).mean()) & 
                     (df['close'] < df['close'].rolling(window=120).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=252).mean()) & 
                     (df['close'] < df['close'].rolling(window=252).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=52).mean()) & 
                     (df['close'] < df['close'].rolling(window=52).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=104).mean()) & 
                     (df['close'] < df['close'].rolling(window=104).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=208).mean()) & 
                     (df['close'] < df['close'].rolling(window=208).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=416).mean()) & 
                     (df['close'] < df['close'].rolling(window=416).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=832).mean()) & 
                     (df['close'] < df['close'].rolling(window=832).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=1664).mean()) & 
                     (df['close'] < df['close'].rolling(window=1664).mean() + 2) & 
                     (df['close'] > df['close'].rolling(window=3328).mean()) & 
                     (df['close'] < df['close'].

## 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。
![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)