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“收益＞0”的股票。
选股逻辑分析
该选股策略从元宇宙主题股中，筛选昨天收盘价较高且具备一定弹性和趋势的个股。通过要求收益＞0来确认个股走势符合预期，具备持续上涨的特征。
有何风险？
- 可能会选入一些短期内涨幅较高但已开始回落的个股，导致后续回撤风险。
- 收益＞0并不能代表一定的盈利能力，需要结合其他因素，如市场环境、行业发展、财务状况等综合考虑。
如何优化？
- 可以引入更多可靠的数据指标，如市盈率、市净率、股息率、ROE等财务指标，来多角度、多维度选股。
- 结合技术分析指标来确定股票趋势，如MACD、KDJ、DMI等指标，以更好地观察个股的走势。
- 加入其他风控机制，如止损点、盈利保护点等，来规避风险。
最终的选股逻辑
该选股策略是基于元宇宙主题、收盘价大于昨日最低价和收益＞0的筛选条件。在实际使用时，可以适当根据具体的投资需求，增加或减少筛选条件，以达到更好的效果。
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)
收益＞0: CVAL(ABS((CLOSE - REF(CLOSE, 1)) / REF(CLOSE, 1)) * SIGN(CLOSE - REF(CLOSE, 1)) > 0, 252)
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(1)) / df['close'].shift(1)).apply(lambda x: x > 0).rolling(252).sum() > 0 # 252个交易日内的收益＞0的天数大于0
# 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。
