问财量化选股策略逻辑
选股逻辑：在RSI小于65、主升起动和换手率介于2%和9%之间的条件下，选取该股票作为投资标的。
选股逻辑分析
该选股策略主要考虑了股票的技术面因素和基本面因素，RSI指标用于判断股票的超买或超卖情况，主升起动指标的出现意味着牛市行情可能要来临，换手率可以反映股票的流动性和交易活跃度。该选股策略可以在保证基本流动性的条件下，更细致的挖掘股票的投资潜力。
有何风险？
- 该策略可能存在挑选出不稳定股票的风险；
- 完全依赖技术指标和换手率等，可能无法完全反映公司基本面和宏观经济因素；
- 该策略只考虑短期走势，可能忽视了长期的投资价值。
如何优化？
- 加入一些盈利和估值指标等基本面因素作为补充；
- 可以考虑更长时间周期的数据作为参考，如1个月、3个月的数据，结合短期策略和长期价值；
- 建议加入合适的止损和止盈机制，提高风控能力。
最终的选股逻辑
在RSI小于65、主升起动和换手率介于2%和9%之间的条件下，选取该股票作为投资标的。
同花顺指标公式代码参考
以下是选股策略中使用的同花顺指标公式代码：
// RSI小于65
RSI(CLOSE,14) < 65
// 主升起动
HHV(HIGH,30) == REF(HHV(HIGH,30),1) AND
LLV(LOW,30) == REF(LLV(LOW,30),1)
// 换手率介于2%和9%之间
HIGH = IF(OPEN<=CLOSE,CLOSE,OPEN)
LOW = IF(OPEN>CLOSE,CLOSE,OPEN)
AMOUNT = VOL*(HIGH+LOW)/2
SMVAMOUNT = SUM(AMOUNT,21)
TURNOVER = SMVAMOUNT/(21*MA(C,21))
TURNOVER > 2 AND TURNOVER < 9
Python代码参考
以下是 Python 代码示例，仅供参考。
import tushare as ts
import talib
def select_stocks():
res = []
# 自选股
stk_concepts = ['300024', '300024']
# 除去停牌、ST、科创板、上市不足6个月的次新股
stk_basics = ts.get_stock_basics()
stk_basics = stk_basics[stk_basics.index.isin(stk_concepts)]
today_dt = datetime.datetime.today().strftime('%Y-%m-%d')
stk_basics = stk_basics[(stk_basics['timeToMarket'] <= (today_dt - datetime.timedelta(days=120).strftime('%Y%m%d'))) & (stk_basics['name'].str.contains('ST') == False) & (stk_basics['market'] != '科创板')]
for idx, row in stk_basics.iterrows():
if row['outstanding'] <= 0 or row['totals'] <= 0:
continue
try:
# 公司市值数据
mv = row['totals'] * row['price']
# 行情数据
hist_data = ts.get_k_data(idx, index=True, start='2020-01-01', retry_count=3, pause=None)
if hist_data is None or len(hist_data) < 31:
continue
# RSI小于65
rsi_threshold = 65
rsi = talib.RSI(hist_data['close'].values)[-1]
if rsi >= rsi_threshold:
continue
# 主升起动
highest_high = talib.MAX(hist_data['high'].values, timeperiod=30)[-1]
lowest_low = talib.MIN(hist_data['low'].values, timeperiod=30)[-1]
highest_high_ref = talib.MAX(hist_data['high'].values, timeperiod=30)[-2]
lowest_low_ref = talib.MIN(hist_data['low'].values, timeperiod=30)[-2]
if highest_high != highest_high_ref or lowest_low != lowest_low_ref:
continue
# 换手率介于2%和9%之间
turnover_threshold_lower = 2
turnover_threshold_upper = 9
high = np.where(hist_data['open'] <= hist_data['close'], hist_data['close'], hist_data['open'])
low = np.where(hist_data['open'] > hist_data['close'], hist_data['close'], hist_data['open'])
volume = hist_data['volume'].values
amount = volume * (high + low) / 2
smvamount = talib.SUM(amount, timeperiod=21)
turnover = smvamount / (21 * talib.MA(hist_data['close'].values, timeperiod=21)[-1])
if turnover < turnover_threshold_lower or turnover > turnover_threshold_upper:
continue
# 股票代码
res.append({'code': idx})
except Exception:
continue
return [x['code'] for x in res]
res = select_stocks()
print(res)
注：在使用该代码时，请遵守国家法律法规和相关规定，严禁私自开展证券投资活动，自行承担相应风险。
## 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。
