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“10日涨幅大于0小于35”的股票。
选股逻辑分析
该选股逻辑综合考虑了元宇宙板块、技术面因素和股票价格因素。通过筛选收盘价大于昨日最低价和10日内的涨幅在一定区间内的股票，选出股价处于上升中的潜力股。
有何风险？
- 筛选股票仅仅考虑了技术面而未考虑公司基本面的因素，可能导致选出的股票风险较高。
- 过多关注短期涨幅而未考虑股票长期表现，可能导致选出的股票波动较大。
- 股价上升的背景和原因不明确，缺乏有效信息支持。
如何优化？
- 加入公司基本面指标，如财务数据、行业发展趋势等，以全面评估股票的投资价值。
- 综合考虑不同时间段的涨幅数据，结合股票历史数据，筛选出具有较强可持续性的股票。
- 注意市场热点的变化，并及时调整选股标准，以及时把握市场趋势。
最终的选股逻辑
该选股策略综合了元宇宙板块、技术面因素和股票价格因素，同时筛选出了收盘价大于昨日最低价，且10日内涨幅在一定区间内的股票。在实际使用时，可以加入其他有效指标进行筛选。
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)
10日涨幅在0%到35%之间： (CLOSE - REF(CLOSE, 9)) / REF(CLOSE, 9) * 100 > 0 and (CLOSE - REF(CLOSE, 9)) / REF(CLOSE, 9) * 100 < 35
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['close'] - df['close'].shift(9)) / df['close'].shift(9) * 100 > 0
condition4 = (df['close'] - df['close'].shift(9)) / df['close'].shift(9) * 100 < 35
# 综合筛选
selected = df[condition1 & condition2 & condition3 & condition4]
# 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。
