问财量化选股策略逻辑
选股逻辑：在RSI小于65、高点为两日最高、且换手率在2%到9%之间的股票中进行选择。
选股逻辑分析
该选股策略增加了换手率这一指标，对于一个股票来说，适度的换手率既能够保证股民的流动性，又能够使得股票的价格变得更加可信。该选股策略相对综合，既有针对技术面的筛选条件，又有盈利性，相对合理的换手率的限制。综合考虑各种因素，选出各个方面比较优秀的股票。
有何风险？
- 依然没有考虑基本面和行业因素，可能会选择出基本面不佳的股票。
- 筛选条件相对宽松，可能会导致筛选结果过于多样化，不易进行有效管理。
- 换手率过低或过高都可能存在问题，需要针对不同情况做出调整。
如何优化？
- 可以结合其他筛选条件，如市盈率、市净率等基本面指标，增加筛选的全面性和准确性。
- 调整换手率的范围，考虑行业情况和个股特性等影响因素，让筛选结果更加贴近实际情况。
- 加入风险控制和仓位管理等因素，做出更加科学的投资决策。
最终的选股逻辑
在RSI小于65、高点为两日最高、且换手率在2%到9%之间的股票中，综合考虑各种投资因素，选出符合个人投资目标和风险偏好的股票。
同花顺指标公式代码参考
- RSI指标
通达信指标公式：RSI(CLOSE,N)
同花顺指标公式：RSI(CLOSE,14)
注：CLOSE为当前收盘价，N为周期数。
python代码参考
以下是基于该选股策略编写的Python代码示例，仅供参考。
import tushare as ts
import talib
def select_stocks():
res = []
for stock in ts.get_stock_basics().index:
try:
rsi_threshold = 65
n_days = 2
turnover_min = 0.02
turnover_max = 0.09
hist_data = ts.get_hist_data(stock)
if hist_data is None or len(hist_data) < 20:
continue
rsi_data = talib.RSI(hist_data['close'], timeperiod=14)
if rsi_data[-1] > rsi_threshold:
continue
high_data = pd.Series(hist_data['high'].values)
if high_data[-1] != high_data[-n_days:].max():
continue
turnover = hist_data['turnover'][0]
if turnover < turnover_min or turnover > turnover_max:
continue
res.append(stock)
except Exception as e:
continue
return res
res = select_stocks()
print(res)
注：以上代码示例仅适用于 Python 3.x 版本，实际情况更为复杂，在具体使用时需要根据实际情况进行修改。同时，在使用该代码时，请遵守国家法律法规和相关规定，严禁擅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。
