问财量化选股策略逻辑
该选股策略包括三个条件：元宇宙、昨日股价大于250日均线、500日内至少2次涨停。通过筛选出符合条件的股票进行投资。
选股逻辑分析
该选股策略主要通过以下三个条件进行选股：
- 元宇宙：选择热门板块中的个股。
- 昨日股价大于250日均线：判断个股目前的价格是否接近长期均线及相对稳定。
- 500日内至少2次涨停：判断个股存在一定的市场热度。
综合以上三个条件，选择符合要求的个股进行投资。
有何风险？
- 选股条件过于简单，可能导致选股效果不理想。
- 过于依赖市场情绪，存在一定的风险。
如何优化？
- 可以选择对于各个板块中的个股分别设定不同的筛选条件，以便更加精准地选出优质股票。
- 加入其他技术指标，如KDJ、RSI等，以便更加准确地分析股票趋势和价格动量。
- 参考基本面因素，如公司的营收增长、盈利变化等，以便更全面地评估个股的价值。
最终的选股逻辑
该选股策略选择元宇宙板块中、股票均价站在250日均线之上、500日内至少2次涨停的个股作为投资目标。
同花顺指标公式代码参考
元宇宙：GNBK("gnxq")
昨日股价大于250日均线：C >= MA(250)
500日内至少2次涨停：COUNT(C/N, 500) >= 2 AND REF(HIGH,1) / REF(CLOSE, 2) >= 1.1
Python代码参考
import pandas as pd
import tushare as ts
from stockstats import StockDataFrame
def stock_selector():
ts.set_token('your_token')
pro = ts.pro_api()
# 获取所有元宇宙板块中的个股
gnxq = pro.index_basic(
fields='category',
identifying_code='9650',
market='SSE'
)
gnxq_stocks = gnxq.loc[gnxq['category'] == 'GN023']
data_selected = pd.DataFrame()
for code in gnxq_stocks['con_code']:
ts_data = ts.pro_bar(
ts_code=code,
adj='qfq',
start_date='20200101',
end_date='20220107'
)
if len(ts_data) > 2:
ts_data['limit'] = ts_data.apply(lambda x: 1 if x['pct_chg'] > 9.9 else 0, axis=1)
rolling_sum = ts_data['limit'].rolling(500).sum()
if ts_data.iloc[-1]['close'] >= ts_data.iloc[-1]['close'].rolling(250).mean()[249] and rolling_sum[-1] >= 2 and ts_data.iloc[-2]['limit'] == 1:
df = pro.query('stock_basic', ts_code=code, fields=['name'])
if ('ST' not in df['name'].values[0]):
data_selected = data_selected.append(df)
return data_selected[['name']]
## 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。
