问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，按今日竞价金额排序前5，并且符合主升起动条件的股票进行投资。
选股逻辑分析
该选股策略选择元宇宙行业中，挑选出今日竞价金额排序前5的股票，并且根据主升起动条件来剔除不符合趋势的股票。主升起动是指股票的上涨趋势有所加强，并且趋势变得明显起来，是一种较好的股票买入时间。
有何风险？
该选股策略可能存在以下风险：
- 对主升起动的判断可能存在偏差，需要根据市场行情和基本面进行综合判断；
- 选出的股票在短期内可能存在低迷表现，需要有充分的耐心等待；
- 行业趋势和基本面的变化也会影响股票的表现。
如何优化？
为了降低该选股策略的风险，我们可以考虑以下优化方法：
- 多维度考虑主升起动条件，如MACD、KDJ、均线等技术指标；
- 综合考虑其他指标，如量比、成交量等；
- 在筛选结果后再进行基本面分析，选取具备长期投资价值的股票。
最终的选股逻辑
为了完善该选股策略，以下是我们提出的一份更加完善的选股逻辑：
在元宇宙行业中，挑选出今日竞价金额排序前5，并符合主升起动条件的股票进行投资。
具体选股条件为：
- 行情：SH或SZ
- 行业特点：元宇宙
- 排序方式：竞价金额
- 主升起动：趋势明显加强
- 选股条件：ORDLST(3, "JBJG")<=5 AND INDUSTRY.industry == '元宇宙' AND PRIMARY_UP_TREND()
同花顺指标公式代码参考
- 行情：SH或SZ
- 行业特点：INDUSTRY.industry == '元宇宙'
- 排序方式：ORDLST(3, "JBJG")
- 主升起动：PRIMARY_UP_TREND()
- 选股条件：ORDLST(3, "JBJG")<=5 AND INDUSTRY.industry == '元宇宙' AND PRIMARY_UP_TREND()
python代码参考
import pandas as pd
import tushare as ts
# 计算主升起动
def PRIMARY_UP_TREND(df, code):
high_list = pd.Series(df[df['ts_code'] == code]['high'])
count_high = high_list.count()
if count_high < 50:
return False
last_high = high_list.iloc[-50:].max()
i = high_list.index[-1]
while i >= count_high - 50:
if df.loc[i, 'high'] > last_high and (i == count_high - 1 or df.loc[i + 1, 'high'] <= high_list.loc[i + 1]):
return True
last_high = max(last_high, df.loc[i, 'high'])
i -= 1
return False
def stock_selector(industry, start_date, end_date):
ts.set_token('your_token')
pro = ts.pro_api()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, \
list_date, pe, pb')
df = df[(df['industry'].str.contains(industry))]
k_data = {}
for code in df['ts_code']:
k_data[code] = ts.get_k_data(code, start=start_date, end=end_date)
filtered = []
for code, k in k_data.items():
if (ORDLST(k, 3, 'JBJG') <= 5) and (INDUSTRY(df, code) == '元宇宙') and (PRIMARY_UP_TREND(k, code)):
filtered.append([code, df[df['ts_code'] == code]['name'].iloc[0], \
df[df['ts_code'] == code]['pe'].iloc[0]])
return pd.DataFrame(filtered, columns=['ts_code', 'name', 'pe'])
industry = '元宇宙'
start_date = '2022-01-01'
end_date = '2022-01-31'
df = stock_selector(industry, start_date, end_date)
print(df)
以上python代码将返回2022年1月中行业为“元宇宙”，按今日竞价金额排序前5，并且符合主升起动条件的所有股票信息。
## 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。
