问财量化选股策略逻辑
选股逻辑：选择RSI小于65的股票，企业性质优秀，近25个交易日有单日涨幅大于等于百分之10。
选股逻辑分析
该选股逻辑基于技术面和基本面分析，选股指标包括RSI和单日涨幅等技术指标，以及企业性质作为基本面分析的条件。通过分析最近25个交易日的涨幅，筛选出单日涨幅大于等于10%的股票，同时考虑了RSI和企业性质作为选股条件。通过综合分析技术面和基本面，筛选出具有投资潜力的股票。
有何风险？
该选股逻辑仅着眼于中短期股票的涨幅表现和基本面情况，忽略了长期的趋势。同时，当股票市场表现较为平淡时，该选股逻辑的效果可能会受到影响。
如何优化？
可以考虑加入更多的基本面指标和技术面指标，例如市盈率、市净率、布林带等指标来进一步分析股票的投资价值。此外，可以通过更加贴近投资者需求的策略和预测方法来优化选股逻辑，例如加入均值回归模型、因子选股策略等。
最终的选股逻辑
选股逻辑：选择RSI小于65的股票，企业性质优秀，最近25个交易日内有单日涨幅大于等于10%的股票。
同花顺指标公式代码参考
- RSI小于65：RSI(CLOSE, 14) < 65
- 企业性质：使用PE、PB、Growing_of_income等指标，需具体分析选用哪些指标
- 近25个交易日内有单日涨幅大于等于10%：COUNT(CLOSE > REF(CLOSE, 1) * 1.1, 25) > 0
python代码参考
import pandas as pd
import tushare as ts
import numpy as np
# 连接tushare并获取股票基本信息
token = 'token'
pro = ts.pro_api(token)
basic = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
# 初始化筛选条件
rsi = 65
percent = 0.1
# 获取当前时间和交易日历
import datetime
today = datetime.datetime.today().strftime('%Y%m%d')
# 遍历每支股票
result = []
for code in basic['ts_code']:
# 获取25日收盘价数据
hist = pro.daily(ts_code=code, start_date=today, end_date='', fields='close',
adj=None, ma=[5, 10, 20, 50, 100, 250])
if hist is None or len(hist) < 25: continue
# 判断RSI条件和企业性质
h_data = ts.pro_bar(ts_code=code, adj='qfq', start_date='19000101', end_date=today, ma=[5, 10, 20])
if h_data is None: continue
if h_data.iloc[-1]['rsi14'] is None or float(h_data.iloc[-1]['rsi14']) >= rsi: continue
classify = pro.query('stock_basic', ts_code=code, fields='area, industry')
if classify['area'][0] != '广东' or classify['industry'][0] != '电子元器件': continue
# 判断单日涨幅条件
pct = (hist['close'][-1] - hist['close'][0]) / hist['close'][0]
if (hist['close'] > hist['close'].shift(1) * (1 + percent)).sum() <= 0: continue
# 获取市值并加入结果列表
mv = pro.daily_basic(ts_code=code, trade_date=today, fields='ts_code, market_value').iloc[0]['market_value']
if mv < 200000: result.append([code, basic[basic['ts_code'] == code].iloc[0]['name'], mv])
# 对筛选结果进行排序
result_df = pd.DataFrame(result, columns=['代码', '名称', '市值'])
result_df = result_df.sort_values('市值').reset_index(drop=True)
result_df.to_excel('result.xlsx', index=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。
