(supermind量化投资)task13/a/元宇宙、股票均价站在五日均线之上、周线红柱

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

该选股策略选择元宇宙行业中,同时满足以下条件的股票进行投资:股票均价站在五日均线之上,周线出现红柱。

选股逻辑分析

该选股策略的选股条件包括:选择元宇宙行业,股票均价站在五日均线之上,周线出现红柱。通过这些条件可以挑选出股票价格有上涨动能的企业,具有较高的投资价值。

有何风险?

该选股策略存在以下风险:

  1. 忽视了公司基本面的因素,只考虑股价趋势,如果公司的业绩不佳或者未来前景不确定,股价会出现大幅回落的情况。

  2. 周线红柱的判断并不准确,可能存在选错股票的风险。

如何优化?

为了减少选股策略的风险,可以进行如下优化:

  1. 引入公司基本面的因素,例如财务状况、竞争力、行业前景等,对具体个股进行更全面、准确地评估。

  2. 周线红柱的判断可以参考更多技术指标和趋势方法,例如DMA、DMI、趋势线等。

最终的选股逻辑

该选股策略选择元宇宙行业中,同时满足以下条件的股票进行投资:股票均价站在五日均线之上,周线出现红柱。

具体的选股条件为:

  • 元宇宙行情为GNXQ;
  • 股票均价站在五日均线之上;
  • 周线出现红柱。

通过以上选股策略可以选举出有上涨动能的股票进行投资。

同花顺指标公式代码参考

  • 元宇宙行情:GNBK('gnxq')
  • 股票均价:AVG(C,5)
  • DMA指标:DMA(CLOSE, 10, 50)
  • DMI指标:ADX(14), +DI(14), -DI(14),分别代表DMI综合指标及DMI中的+DI和-DI指标。

Python代码参考

import pandas as pd
import tushare as ts
import talib

def stock_selector(industry):
    ts.set_token('your_token')
    pro = ts.pro_api()
    data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, area, industry, list_date, pe, pb, circ_mv')
    data1_select = data1[(data1['industry']==industry) & (data1['tot_mv'] < 100000) & (data1['circ_mv'] < 100000) & (data1['area']!='北京') & (data1['pe'] < 100) & (data1['pb'] < 10)]
    stocks = []
    for ts_code in data1_select['ts_code']:
        data = pro.query('daily', ts_code=ts_code, start_date='20180101', end_date='20220101', fields='ts_code, trade_date, open, high, low, close')
        if len(data) < 1095:
            continue
        dma10 = talib.SMA(data['close'].values, timeperiod=10)
        dma50 = talib.SMA(data['close'].values, timeperiod=50)
        adx = talib.ADX(data['high'].values, data['low'].values, data['close'].values, timeperiod=14)
        pdi = talib.PLUS_DI(data['high'].values, data['low'].values, data['close'].values, timeperiod=14)
        ndi = talib.MINUS_DI(data['high'].values, data['low'].values, data['close'].values, timeperiod=14)
        if pdi[-1] > ndi[-1] and adx[-1] > 25 and data['close'].iloc[-1] > dma10[-1] and data['close'].iloc[-1] > dma50[-1]:
            stocks.append([ts_code, data['close'].iloc[-1]])
    return pd.DataFrame(stocks, columns=['ts_code', 'close'])

其中,参数industry为所选元宇宙的行业名称。

    ## 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