问财量化选股策略逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，流通盘小于等于55亿股。
选股逻辑分析
该选股策略的选股条件包括：选择元宇宙行业，股票均价站在五日均线之上，流通盘小于等于55亿股。通过基本面和技术面进行加持，剔除了表现不佳、流通盘大的标的，有利于发现市场热点和潜在投资机会。
有何风险？
该选股策略存在以下风险：
-
选股条件质量较低，不能充分反映标的的长期表现，风险较高。
-
未考虑公司、行业的基本面信息，可能导致选中股票的投资收益波动较大。
如何优化？
为了减小选股策略的风险，可以采取如下优化策略：
-
引入多个指标进行选股，提高选股的准确性。
-
在选择股票的基础上同时引入公司、行业的基本面信息进行综合考虑。
-
通过增加关注度股票的质量，并且设置流通盘市值区间等，来降低风险。
最终的选股逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，流通盘小于等于55亿股。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价在五日均线之上；
- 流通盘小于等于55亿股。
因此，该选股策略通过基本面和技术面进行选股，剔除了表现不佳、流通盘大的标的，有利于发现市场热点和潜在投资机会，同时也能降低风险。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 五日均线：MA(C,5)
- 流通盘：CIRCULATINGSKTCAP<=55
因此，该选股的最终选股公式为：
GNBK('gnxq') AND (C > MA(C,5)) AND (CIRCULATINGSKTCAP<=55)
Python代码参考
import pandas as pd
import tushare as ts
import talib
def stock_selector(date, industry):
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, industry, list_date, circ_mv, pe_ttm, pb, roe')
data2 = pro.daily_basic(trade_date=date, fields='ts_code, close, circ_mv')
data2['MA5'] = talib.MA(data2['close'].values, timeperiod=5)
data_select = data1[(data1['circ_mv'] > 1) & (data1['circ_mv'] <= 55) & (data1['industry']==industry)]
data_merge = pd.merge(data_select, data2[['ts_code', 'close', 'MA5', 'circ_mv']], on='ts_code')
data_final = data_merge[(data_merge['close'] > data_merge['MA5'])]
return data_final[['ts_code', 'close', 'circ_mv']]
其中，参数industry为所选元宇宙的行业名称。
## 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。
