问财量化选股策略逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”和“流通盘小于等于55亿股”的股票。
选股逻辑分析
该选股策略侧重于在元宇宙板块中，筛选具有技术面和基本面双重优势的个股。找到收盘价大于昨日最低价的股票可以更好地挖掘技术面可能突破的个股，而限制流通盘在一定范围内可以筛选出具有良好基本面的股票，避免盲目追涨杀跌，增强选股精度。
有何风险？
- 选定流通盘小于55亿股的条件过于苛刻，可能降低筛选到的潜力股或中小板股票。
- 市场波动性将直接影响该选股策略的效果，无法保障利润稳定性。
- 股票基本面数据的不确定性和及时性也是该选股策略容易受到的风险。
如何优化？
- 降低选定流通盘小于55亿股的条件，加大筛选股票的概率。
- 加入其他的技术分析指标，如RSI、MACD等指标，帮助更好的分析个股走势和风险控制。
- 多维度地评估个股的基本面，如财务数据、行业趋势等，避免选股过于依赖技术面。
最终的选股逻辑
该选股策略是在元宇宙板块中筛选优质股票的策略，结合基本面和技术面进行选股。在实际使用时，需要加入灵活的操作策略和风险控制机制，如适当的止损和盈利设定等。
同花顺指标公式代码参考
元宇宙：SELECTEDINDUSTRY("gnxq")
收盘价大于昨日的最低价: CLOSE > REF(LOW, 1)
流通盘小于55亿股：SELECT CONCEPT,CODE FROM (SELECT CONCEPT, CODE, LTGB FROM LC_STKA WHERE LTGB <= 55000000000 ORDER BY LTGB ASC) WHERE CONCEPT LIKE '%元宇宙%'
python代码参考
import pandas as pd
import numpy as np
# 选股策略
def stock_selector(df):
# 筛选条件
condition1 = df['concepts'].str.contains('元宇宙')
condition2 = df['close'] > df['low'].shift(1)
condition3 = df['ltgb'] <= 55000000000 # 流通盘小于等于55亿股
# 综合筛选
selected = df[condition1 & condition2 & condition3]
# 设定灵活的买卖策略
# 示例代码：定期调整仓位
selected['position'] = 1 / len(selected)
# 示例代码：加入止损点
selected['stop_loss'] = selected['low'].rolling(10).min() * 0.98 # 10日内最低价的98%作为止损点
return selected
## 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。
