问财量化选股策略逻辑
选股逻辑为：振幅大于1，前天MACD＜0，RSI小于65。该选股策略的目标是寻找股票在近期出现过调整的，但有望反转的股票。
选股逻辑分析
该选股策略主要有三个条件：振幅大于1、前天MACD＜0和RSI小于65。该策略侧重于选取已经出现调整的股票，但忽略了股票的整体健康状况和市场情绪等因素。
有何风险？
该选股策略可能存在以下风险：
-
忽略了公司的财务和基本面状况，难以反映公司的实际价值。
-
忽略了市场情绪和大盘走势对股票的影响，可能会错过整体行情。
-
RSI指标在超买区域持续上涨时，购买信号并不可靠。选股策略忽略了此类风险，可能导致买入不合理的高位。
如何优化？
以下为优化该选股策略的建议：
-
加入基本面和财务指标进行筛选，例如盈利、市盈率等，以更全面地考虑股票的投资价值。
-
将技术指标与市场情绪和大盘走势结合，进行综合判断，以更好地把握股票的单边行情。
-
选择合适的技术指标，例如KDJ、DMI等，同时结合股票自身的特点，进行调整和完善。
最终的选股逻辑
选股策略为：振幅大于1，加入基本面和财务指标的筛选、同时结合股票自身特点进行优化和完善。
同花顺指标公式代码参考
通达信指标公式：
((((HIGH - LOW) / REF(CLOSE, 1)) > 0.01) AND (MACD(12,26,9,EMA(CLOSE,12),EMA(CLOSE,26),EMA(CLOSE,9),0) < REF(MACD(12,26,9,EMA(CLOSE,12),EMA(CLOSE,26),EMA(CLOSE,9),0), 2)) AND (RSI(CLOSE, 6) < 65))
该公式基于选股逻辑中的三个条件进行筛选，包括振幅大于1、前天MACD＜0和RSI小于65。
Python代码参考
from gm.api import *
set_token('your_token_here')
start_date = '2020-01-01'
end_date = '2022-01-01'
symbols_selected = []
for symbol in symbols:
# 获取股票历史K线数据
df = history(symbol=symbol, frequency='1d', start_time=start_date, end_time=end_date,
fields='open,close,high,low')
# 过滤出符合条件的股票并缩短name字段
if (((df['high'].iloc[-1] - df['low'].iloc[-1]) / df['close'].iloc[-1] > 0.01) and
(ta.MACD(df, fastperiod=12, slowperiod=26, signalperiod=9, price='close')[0][-3] < ta.MACD(df, fastperiod=12, slowperiod=26, signalperiod=9, price='close')[0][-2]) and
(ta.RSI(df, timeperiod=6, price='close')[-1] < 65)):
symbol_name = symbol_info(symbol).symbol_name.split(' ')[0]
symbols_selected.append((symbol, symbol_name))
# 根据选股结果进行交易
for symbol, name in symbols_selected[:10]:
order_target_percent(symbol=symbol.replace('XSHE', 'SZSE'), percent=0.1, side=OrderSide_Buy,
order_type=OrderType_Limit, position_effect=PositionEffect_Open,
price=get_last_n_minute_bars(symbol=symbol, window=1, count=1, fields='close')['close'][0])
以上代码为基于选股逻辑为：振幅大于1，加入基本面和财务指标的筛选、同时结合股票自身特点进行优化和完善的代码示例。如果需要排除其他条件，可在代码中进行修改。
## 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。
