问财量化选股策略逻辑
选股逻辑：rsi小于65,（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2,今日控盘＞21。
选股逻辑分析
该选股逻辑除了前两个逻辑以外，新增了“今日控盘＞21”的条件，即今日的买盘量大于21日买盘均线，意味着买家实力强劲，市场情绪好转。整个选股逻辑的核心在于利用RSI指标、换手率和竞价成交量等因素来筛选出正处于低估状态的股票，并结合控盘指标来判断市场情绪变化。
有何风险？
该选股逻辑所采用的指标不够全面，过度依赖RSI和控盘指标可能在某些市场环境下失效。而且，单个指标存在滞后性，可能会错过一些投资机会。
如何优化？
可以适当增加选股指标，如市盈率、市净率等单项指标，同时也可以采用综合性指标来筛选正负面因素，提高选股准确性。另外，可以结合技术分析、基本面分析等因素进行综合考虑。
最终的选股逻辑
选股逻辑：rsi小于65,（昨日换手率*（今日竞价成交量/昨日成交量））>0.5<2,今日控盘＞21。
同花顺指标公式代码参考
XG1: RSI(14) < 65
XG2: (REF(VOL,1)*REF(CLOSE,1)/(TRADE*10000))>0.5 AND (REF(VOL,1)*REF(CLOSE,1)/(TRADE*10000))<2
XG3: C=EDITDOM(0),D=MA(BUYVOL,C,21),C>D
…
SELECT IF(XG1 AND XG2 AND XG3, 1, 0)
Python代码参考
import pandas as pd
import tushare as ts
import talib
def get_stock_list():
pro = ts.pro_api()
# 获取股票基本信息
df_basic = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,market,area,industry,list_date')
# 计算RSI
df_price = pro.daily(trade_date='20211008', fields='ts_code,close')
df_price = pd.merge(df_price, df_basic, on='ts_code')
df_price['rsi'] = talib.RSI(df_price['close'].values, timeperiod=14)
# 计算换手率和竞价成交量
df_moneyflow = pro.moneyflow(ts_code='', trade_date='20211008',
fields='ts_code,trade_date,buy_sm_amount,sell_sm_amount,vol,pct_chg,close')
df_moneyflow['turnover_rate'] = df_moneyflow['vol'] / df_moneyflow['vol'].shift(1)
df_moneyflow['bid_vol'] = df_moneyflow['vol'] * df_moneyflow['pct_chg'] / 100 / 10000
df_moneyflow['pm_inflow'] = (df_moneyflow['buy_sm_amount'] - df_moneyflow['sell_sm_amount']) / 10000
df_moneyflow = df_moneyflow.groupby('ts_code')[['turnover_rate', 'bid_vol', 'pm_inflow']].sum().reset_index()
df_moneyflow['bid_turnover'] = df_moneyflow['bid_vol'] / df_moneyflow['turnover_rate']
df_moneyflow = pd.merge(df_moneyflow, df_basic, on='ts_code')
# 计算控盘指标
df_con = pro.block_trade(trade_date='20211008', fields='ts_code,buyer_name,buyer_amount,seller_name,seller_amount')
df_con = df_con.groupby('ts_code')[['buyer_amount', 'seller_amount']].sum().reset_index()
df_con['control'] = df_con['buyer_amount'] - df_con['seller_amount']
df_con = pd.merge(df_con, df_basic, on='ts_code')
df_con['ma_control'] = talib.MA(df_con['control'].values, timeperiod=21)
# 筛选股票
df_result = pd.merge(df_moneyflow[(df_moneyflow['bid_turnover'] > 0.5) &
(df_moneyflow['bid_turnover'] < 2)], df_price[df_price['rsi'] < 65], on='ts_code')
df_result = pd.merge(df_result, df_con[df_con['control'] > df_con['ma_control']], on='ts_code')
df_result = pd.merge(df_result, df_basic, on='ts_code')
df_result = df_result[['ts_code', 'symbol', 'market', 'area', 'industry', 'list_date']]
return df_result
Python依赖库
-
pandas
-
tushare
-
talib
## 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。 