问财量化选股策略逻辑
本选股策略选取满足振幅大于1、PE>0、rsi小于65的股票作为投资标的。
选股逻辑分析
本选股逻辑主要考虑了三个因素：波动性、估值和超买情况。振幅大于1表示股票价格波动率较大，可以考虑在波动市场中适当介入。PE>0则选股要求公司的市盈率为正数，避免选取资产负债表不健康的公司。rsi小于65意味着股票价格处于超买之前，进入合理买入区域，并且预示着股价可能还有上涨空间。
有何风险？
相较于技术面因素，本选股逻辑避免了短期的不确定性，但仍可能忽略一些股票的潜在机会，例如处于低估状态的股票、因特殊原因导致PE异常的公司等。此外，剔除了不符合PE要求的股票，但PE值并不代表公司的真实市值，需要结合其他因素进行综合。
如何优化？
选股策略可以加入其他基础面指标，如市净率、ROE等，增加股票的筛选维度，从而减少被忽略的股票。同时，可以建立不同的选股模型，如纯基础面、技术面、混合型等，以优化选股策略的精确度以及市场适应性。此外，建议进行更加详细和全面的行业研究和宏观经济分析等，以更好地进行选股。
最终的选股逻辑
本选股策略选取满足以下条件的股票：
- 振幅大于1；
- PE>0；
- rsi小于65。
同花顺指标公式代码参考
- 振幅公式：（最高价-最低价）/昨收盘价
- RSI公式：100-100/(1+RS)
- PE公式：市盈率=市值/(净利润*2)
python代码参考
import tushare as ts
import pandas as pd
import talib
def select_stock(market='sh'):
selected_stocks = pd.DataFrame(columns=["amplitude", "code","pe","rsi"])
for stock in ts.get_stock_basics().index:
if ts.get_stock_basics().loc[stock, 'code'][0:2] == '60' or ts.get_stock_basics().loc[stock, 'code'][0] == '0':
continue
data = ts.get_k_data(stock, start='2021-01-01', end='2021-06-30', ktype='D', autype='qfq')
if len(data) < 30:
continue
if data["amplitude"].iloc[-1] < 1:
continue
pe=ts.get_stock_basics().loc[stock, 'pe']
if(pe<=0):
continue
rsi=talib.RSI(data['close'],timeperiod=14).iloc[-1]
if rsi>65:
continue
selected_stocks = selected_stocks.append({
"amplitude": data["amplitude"].iloc[-1],
"code": stock,
"pe": pe,
"rsi": rsi,
}, ignore_index=True)
return selected_stocks
print(select_stock(market='sh'))
以上代码仅供参考，实现方法会因投资人情况和市场环境而异。
## 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。
