(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、机器人概

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑包括四个条件:元宇宙板块中的股票、昨日股价大于250日均线、机器人概念、流通市值小于100亿。通过筛选出符合条件的股票进行投资。

选股逻辑分析

该选股策略主要考虑以下四个条件进行选股:

  1. 元宇宙板块中的股票:选择热门板块中的个股。
  2. 昨日股价大于250日均线:判断个股目前的价格是否相对稳定且接近长期均线。
  3. 机器人概念:选择与机器人相关的企业。
  4. 流通市值小于100亿:排除市值较高的企业。

综合以上四个条件,选择合适的个股进行投资。

有何风险?

  1. 过于关注市场热点和短期趋势,忽视公司长期价值和发展潜力。
  2. 筛选企业的财务数据可能不够准确和全面,存在误判空间和统计误差。
  3. 机器人概念可能存在价格过高的风险,不能盲目追涨,要关注技术和市场前景。
  4. 流通市值可能存在波动性较大的风险,导致个股的市值变化较大。

如何优化?

  1. 综合考虑多个因素进行选股,包括股票价格、市盈率、市净率、ROE、净利润增长率、负债率等财务指标,以及行业和公司基本面等因素。
  2. 增加财务数据的准确性和全面性,可以借助第三方数据库和工具进行辅助分析,同时要特别关注骗局和造假企业。
  3. 在选择机器人概念方面,需要参考行业前景、技术水平、公司战略等因素,保持长期观点和投资逻辑。
  4. 在选择流通市值方面,需要参考市场环境、政策变化、行业发展趋势等因素,以及公司实际业务和盈利情况。

最终的选股逻辑

该选股策略选择元宇宙板块中,昨日股价大于250日均线,机器人概念且流通市值小于100亿的个股进行投资。

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)

机器人概念:GPT("gnnzzn_gnmk", "gnnzzn_robotics")

流通市值小于100亿:CIRC_MV < 1000000

Python代码参考

import pandas as pd
import tushare as ts

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']:
        _basic = pro.query(
            'stock_basic', 
            ts_code=code,
            fields=['name', 'industry', 'exchange', 'list_date', 'circ_mv']
        )
        if len(_basic) == 0:
            continue
        if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
                (_basic['list_date'].values[0] >= '20210101') and (_basic['exchange'].values[0] != 'SH') and \
                (_basic['circ_mv'].values[0] < 1000000):
            df = pro.query(
                'daily',
                ts_code=code,
                fields='trade_date, close, high, low, open, pct_chg, vol, amount'
            )
            if len(df) < 10:
                continue
            if df.iloc[-2]['close'] >= df['close'].rolling(250).mean()[249]:
                data_selected = data_selected.append(
                    df.tail(1).assign(
                        name=_basic['name'].values[0],
                        industry=_basic['industry'].values[0],
                        exchange=_basic['exchange'].values[0],
                        list_date=_basic['list_date'].values[0]
                    )
                )

    data_selected = data_selected.sort_values(by=['amount'], ascending=False)
    return data_selected[['name', 'industry', 'exchange', 'list_date']]
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论