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，并且昨日非涨停板。此选股条件通过技术面验证，排除昨日表现较火热且短期可能会有调整的股票，以确保选出的标的更具有持续性和稳定性。
选股逻辑分析
该选股策略侧重于技术面验证，选股特点在于筛选了排除了昨日表现较火热且可能会有短期调整的股票，以确保投资标的更具持续性和稳定性。同时，该选股策略针对的是追求价值投资且具有一定风险承受能力的投资者。
有何风险？
该选股策略存在以下风险：
- 只依赖于技术指标进行选股，忽略一些公司基本面的重要变化；
- 对昨日的判断存在主观因素，可能会遗漏一些具有潜力的股票；
- 元宇宙行业投资风险高，存在市场波动风险。
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：
- 在技术指标的基础上，结合更多的基本面指标如营收、利润等进行选股，以确保选出的标的更具价值；
- 定量化昨日的表现，结合技术面走势判断，降低人为主观因素的影响；
- 在寻找更佳投资标的的同时进行风险控制，设定止损等措施。
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，同时满足三个技术指标同时金叉，并且昨日非涨停板的股票进行投资。此选股条件结合了技术面的多重验证，过滤了昨日表现较火热且可能会有短期调整的股票，以确保投资标的更具有持续性和稳定性。
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))
- 昨日非涨停板：REF(TODAY(1), ASK)+STDDEV(TODAY(1, VOL), 20) < REF(TODAY(1), SELL)
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)
python代码参考
import pandas as pd
import tushare as ts
def stock_selector(industry):
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')
df = df[df['industry']==industry]
df['list_date'] = pd.to_datetime(df['list_date'])
df = df[df['list_date'] < pd.Timestamp('2017-01-01')]
df['macd'] = ts.EMA(df['close'], 12)-ts.EMA(df['close'], 26)
df = df[(df['macd']>0)]
price_info = ts.get_today_all()
price_info = price_info[['code', 'trade', 'settlement']]
price_info = price_info.rename(columns={'code': 'ts_code'})
df = pd.merge(df, price_info, on='ts_code', how='left')
df = df[(df['trade']<df['settlement']*1.097) & (df['trade']>0)]
return df[['ts_code', 'name', 'industry']]
industry = '元宇宙'
df = stock_selector(industry)
print(df.head())
以上代码将返回行业为“元宇宙”且同时满足三个技术指标金叉，并且昨日非涨停板的所有股票信息。
## 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。
