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，剔除昨日涨停。
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，剔除昨日涨停。相较于之前的选股策略，增加了剔除昨日涨停的条件。该条件可以减少股票在涨停后出现退潮现象的概率。
有何风险？
该选股策略存在以下风险：
-
忽视了公司的财务状况、市场竞争等诸多因素，可能造成择股不当的情况。
-
忽视了对股票的基本面的分析，仅依据股票价格的涨停情况进行股票选取，容易出现个别股票选择不当的情况。
-
如果市场热点不在元宇宙行业，则该选股策略的可选范围会受到限制。
-
在牛市行情中，剔除昨日涨停的条件可能会使部分表现突出的股票被忽略。
如何优化？
为了最大程度上降低选股策略的风险，可以进行以下优化：
-
综合考虑公司财务状况、市场前景等基本面指标，以及股票价格、交易量等技术指标，增加多维度的股票筛选条件。
-
定期监测市场热点板块的变化，并及时跟进，以便更加精准地选择符合策略条件的股票。
-
选择良好的投资策略并不是赚钱的关键，建议加强风险控制，建立适合自己的投资体系。
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，剔除昨日涨停。
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；
- 剔除昨日有涨停的股票。
通过以上选股策略可以选举出具备较好市场表现且有稳定投资潜力的股票进行投资。
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)
- 剔除昨日涨停：ZDT/N<=0
Python代码参考
import pandas as pd
import tushare as ts
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, roe')
data1_select = data1[(data1['industry']==industry) & (data1['tot_mv'] < 50000) & (data1['circ_mv'] < 50000) & (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='20220301', end_date='20220331', fields='ts_code, trade_date, open, high, low, close, vol, pct_chg, limit_up')
mask1 = (data['vol'] != 0)
mask2 = (data['close'].rolling(window=5).mean() > data['close'].shift(1).rolling(window=5).mean())
mask3 = ((data['pct_chg'] < 10) & (data['pct_chg'] >= 0))
mask4 = ((data['pct_chg'].shift(1) < 10) & (data['pct_chg'].shift(1) >= 0))
mask5 = ~(mask3 & mask4)
mask = mask1 & mask2 & mask5
if mask.sum() > 0:
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。
