(supermind)振幅大于1、周线红柱、rsi小于65_

用户头像神盾局量子研究部
2023-08-21 发布

问财量化选股策略逻辑

选股逻辑:振幅大于1, 周线红柱, RSI小于65。

选股逻辑分析

该选股逻辑综合考虑了技术面和市场情绪,振幅大于1、周线红柱可以反映出较强的技术面趋势,而RSI小于65则体现了较弱的市场情绪。此外,该选股逻辑相对简单,易于理解和应用。通过筛选符合条件的股票,可以更有针对性地进行投资。

有何风险?

该选股逻辑相对单一,忽略了一些其他的技术面和基本面指标,如成交量、均线等指标。可能会对投资决策产生一定的局限性。同时,该选股逻辑的参数需要经过不断的实践和优化,才可以达到更好的效果。

如何优化?

为了提高该选股逻辑的有效性,建议将该选股逻辑与其他指标进行结合。可以加入成交量、均线等技术面指标,以及市盈率、市净率等基本面指标,来更全面地评估股票的价值和趋势。此外,需要根据不同行情和时间周期,动态地调整参数,以提高选股效果。

最终的选股逻辑

完善选股逻辑如下:

1.振幅大于1;
2.周线红柱;
3.RSI小于65;
4.结合其他技术面和基本面指标。

同花顺指标公式代码参考

以下是同花顺实现该选股策略的指标公式代码:

C1 = AMP() > 1;
C2 = WEEKLY(COLOR(MACD(12, 26, 9), RED)) > 0;
C3 = RSI(6) < 65;
SELECTOR = C1 AND C2 AND C3;
RESULT = SELECTOR;

其中,WEEKLY(COLOR(MACD(12, 26, 9), RED))表示MACD的周线红柱。

Python代码参考

以下是Python实现该选股策略的部分代码:

# 筛选符合条件的股票
def select_stocks(start_date, end_date):
    selected_stocks = []
    for stock in stocks:
         # 获取该股票在指定时间内的周线和日线数据
        df_weekly_kline = get_price(stock, start_date=start_date, end_date=end_date, frequency='weekly', fields=['open', 'high', 'low', 'close', 'volume'], skip_paused=True, fq='pre')
        df_daily_kline = get_price(stock, start_date=start_date, end_date=end_date, frequency='daily', fields=['open', 'high', 'low', 'close', 'volume'], skip_paused=True, fq='pre')

        # 计算振幅指标,判断是否符合选股逻辑
        c1 = df_daily_kline['high'].std() > 1

        # 计算MACD指标的周线红柱,判断是否符合选股逻辑
        macd_weekly = MACD(df_weekly_kline, 12, 26, 9)
        c2 = macd_weekly.iloc[-1]['macd'] > 0 and macd_weekly.iloc[-1]['diff'] > 0

        # 计算RSI指标,判断是否符合选股逻辑
        c3 = RSI(df_daily_kline, 6).iloc[-1]['rsi'] < 65

        # 判断是否符合选股逻辑
        if c1 and c2 and c3:
            selected_stocks.append(stock)

    return selected_stocks

result = select_stocks('2022-01-01', '2022-12-31')
print(result)

以上代码仅供参考,具体实现还需要根据自身需求进行调整。

    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论