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,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
该选股逻辑在原有选股逻辑的基础上新增了“近25个交易日有单日涨幅大于等于百分之10”的条件，通过这一条件来筛选出近期股价表现较好的股票。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低估股票，并结合股票表现来判断投资价值。
有何风险？
该选股逻辑同样存在指标不够全面、单个指标滞后性以及过度依赖条件选股等问题，可能会错过一些潜在的投资机会。此外，25个交易日的时间跨度较短，可能会存在一些非持续性的股票波动影响选股结果。
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。可以加入资产负债率、营业收入增长率等基本面指标；同时可以考虑加入趋势分析等技术分析的指标来辅助判断。25个交易日的时间跨度较短，可以考虑增加交易日的区间长度，从而增加选股的可靠性和稳定性。
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,近50个交易日有单日涨幅大于等于百分之10。
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: COUNT(CLOSE / REF(CLOSE, 1) - 1 >= 0.1, 25) >= 1
...
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、换手率和竞价成交量
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)
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 = df_moneyflow.groupby('ts_code')[['turnover_rate', 'bid_vol']].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')
# 计算单日涨幅
df_daily = pro.daily(trade_date='20211008', fields='ts_code,trade_date,pct_chg')
df_daily = df_daily.groupby('ts_code')['pct_chg'].apply(lambda x: (x >= 10).sum() >= 1).reset_index()
df_daily.columns = ['ts_code', 'daily_up']
# 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_daily[df_daily['daily_up']], 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。 