问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，同时满足以下条件的股票进行投资：三个技术指标同时金叉，且集中度不超过70%。此选股条件结合了技术面和分散风险管理的考虑，旨在选择具有良好上涨趋势和低风险的标的。
选股逻辑分析
该选股策略在基于技术面的基础上，进一步考虑了分散投资的原则。在元宇宙行业中，选择技术面表现较好且分散程度较高的个股。这一策略将技术面和分散风险管理相结合，以选出有良好上涨趋势预期的标的。
有何风险？
该选股策略存在以下风险：
- 市场因素和行业热度的影响较大；
- 企业财务状况、政策变化等因素也会对股票走势产生影响；
- 选股数量可能较少，分散程度相对较低。
如何优化？
为减少选股策略的风险和提高选股成功率，可以考虑以下优化方法：
- 设计更为严谨的分散投资策略，尽量减少持仓股票之间的相关性；
- 建立良好的风控机制，控制单支股票持仓比例和集中度；
- 综合考虑基本面和技术面，保持分散投资和持续调整股票池的策略，尽量减少因市场波动带来的风险。
最终的选股逻辑
综合以上分析，可以得出一个完善的选股逻辑：选择元宇宙行业中，在三个技术指标同时金叉的公司中，集中度不超过70%的个股。此选股条件不仅关注技术面，同时也注意分散投资的原则，是综合考虑基础面和技术面的过程。
具体的选股条件为：
- 元宇宙行情：GNBK('gnxq')
- 技术指标：CROSS(MACD(12,26,9), MACDSignal(12,26,9))、CROSS(MA(5), MA(10))、CROSS(MA(5), MA(20))
- 集中度：不超过70%
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 技术指标：MACD(12,26,9)、MACDSignal(12,26,9)、MA(5)、MA(10)、MA(20)
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry, concentration_ratio):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(list_status='L', exchange='', \
fields='ts_code,symbol,name,area,industry,list_date,mktcap')
df = df[(df['industry']==industry) & (df['market']=='主板') & (df['list_status']=='L') & \
(df['mktcap']>200000000)]
df['ma_5'] = ts.SMA(df['close'], timeperiod=5)
df['ma_10'] = ts.SMA(df['close'], timeperiod=10)
df['ma_20'] = ts.SMA(df['close'], timeperiod=20)
df['macd'] = ts.EMA(df['close'], 12)-ts.EMA(df['close'], 26)
df = df[(df['macd']>0) & (df['ma_5']>df['ma_10']) & (df['ma_10']>df['ma_20'])]
selected = pd.DataFrame(columns=df.columns)
for index, row in df.iterrows():
selected = selected.append(row)
if selected['mktcap'].sum() > df['mktcap'].sum()*concentration_ratio:
break
return selected[['ts_code', 'name', 'industry', 'close', 'mktcap']]
industry = '元宇宙'
concentration_ratio = 0.7
df = stock_selector(industry, concentration_ratio)
print(df)
以上代码将返回行业为“元宇宙”且集中度不超过70%且同时满足三个技术指标金叉的所有股票信息。
## 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。
