问财量化选股策略逻辑
该选股策略包括三个条件：
- 振幅大于1
- 至少5根均线重合的股票
- RSI小于65
选股逻辑分析
该选股策略考虑了股票的价格波动、趋势和超买超卖情况。振幅大于1表示股票波动剧烈；至少5根均线重合的股票，表示股票处于一个均衡的状态；RSI小于65表示股票不处于超买状态。该选股策略综合考虑了多个因素，得到较为全面的选股策略。
有何风险？
该选股策略的风险在于仅考虑了技术面因素，没有充分考虑基本面因素。此外，重合的均线数量没有定量要求，可能存在选出质量不高的股票的情况。
如何优化？
可以加入一些基本面数据筛选条件，以提高选股稳定性。对于均线重合的股票，可以设定具体的重合天数，例如10天或20天。这样可以过滤掉一些短期波动比较剧烈的股票。
最终的选股逻辑
综合考虑以上因素，完善后的选股逻辑为：
- 振幅大于1，市场对波动剧烈的股票更感兴趣；
- 5日均线、10日均线、20日均线、30日均线、60日均线重合，表示股票处于均衡的状态；
- RSI小于65，表示本身没有处于超买状态。
同花顺指标公式代码参考
- 振幅大于1：(high-low)/low > 0.01
- 至少5根均线重合的股票：MA5=MA(CLOSE,5),MA10=MA(CLOSE,10),MA20=MA(CLOSE,20),MA30=MA(CLOSE,30),MA60=MA(CLOSE,60),DRAWLINE(MA5=MA5 AND MA10=MA10 AND MA20=MA20 AND MA30=MA30 AND MA60=MA60);
- RSI小于65：RSI(CLOSE,14)<65
Python代码参考
import pandas as pd
import tushare as ts
import talib
df = ts.get_stock_basics()
codes = df.index.tolist()
result = pd.DataFrame()
for code in codes:
is_amplitude_large = False
is_ma_converge = False
is_rsi_low = False
bars = ts.get_k_data(code, ktype='D')
if bars is not None:
is_amplitude_large = (bars['high'].iloc[-1] - bars['low'].iloc[-1])/bars['low'].iloc[-1] > 0.01
# 至少5根均线重合的股票
close = bars['close'].values
ma_5 = talib.MA(close, timeperiod=5)
ma_10 = talib.MA(close, timeperiod=10)
ma_20 = talib.MA(close, timeperiod=20)
ma_30 = talib.MA(close, timeperiod=30)
ma_60 = talib.MA(close, timeperiod=60)
ma_count = len(set([ma[-1] for ma in [ma_5, ma_10, ma_20, ma_30, ma_60]]))
is_ma_converge = ma_count >= 5
# RSI小于65
rsi = talib.RSI(close, timeperiod=14)
is_rsi_low = rsi[-1] < 65
if is_amplitude_large and is_ma_converge and is_rsi_low:
# 考虑更多的基本面因素，并形成一个严密的选股体系
result = result.append({'code': code, 'name': df.loc[code]['name'], 'price': bars['close'].iloc[-1], 'pb': df.loc[code]['pb'], 'pe': df.loc[code]['pe'], 'industry': df.loc[code]['industry']}, ignore_index=True)
result = result.sort_values(by=['industry'], ascending=False)
## 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。
