(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、前25天

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

选股逻辑包括三个条件:元宇宙、昨日股价大于250日均线、前25天有涨停。通过筛选出符合条件的股票进行投资。

选股逻辑分析

该选股策略主要考虑以下三个条件进行选股:

  1. 元宇宙: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较稳定且接近长期均线。
  3. 前25天有涨停:对比前25天的最高价和收盘价,判断是否有涨停现象。

综合以上三个条件,选择合适的个股进行投资。

有何风险?

  1. 过于关注热点板块和近期涨势,可能忽视了个股基本面和长期价值。
  2. 选股指标和策略可能过于简单,不够客观和科学,存在样本偏视空间和统计误差。
  3. 开始涨停数量太小会造成可投资个数少,投资机会降低;若数量过多,则会造成筛选的股票过于冷门,可行性降低。
  4. 选股指标历史数据对于个股未来表现是否有参考意义有待考量。

如何优化?

  1. 综合考虑多个因素进行选股,包括股票价格、股息、市盈率、市净率等财务指标,以及行业和公司基本面等因素。
  2. 研究和了解宏观经济和行业发展趋势,寻找具有长期潜力的公司和行业。
  3. 选股指标应具有客观性、科学性和可操作性,避免主观干扰和误判。
  4. 验证选股指标的有效性和可靠性,避免盲目依赖和过度拟合。
  5. 调整涨停数量,保证选股范围合适且可行性高。

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,且前25天有涨停的个股进行投资。

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)

前25天有涨停:

// 前25天有涨停
CONDITIONS.MAX_UPC = MAX((HIGH - REF(CLOSE, 1)) / REF(CLOSE, 1), 25) >= 0.099;

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']:
        df = pro.query('daily', ts_code=code, 
                       fields='trade_date, close, high, low, open, pct_chg, vol, amount')
        if len(df) < 26:
            continue
        if df.iloc[-1]['close'] >= df['close'].rolling(250).mean()[249]:
            if MAX((df['high'] - REF(df['close'], 1)) / REF(df['close'], 1), 25).max() >= 0.099:
                _basic = pro.query(
                    'stock_basic',
                    ts_code=code,
                    fields=['name', 'industry', 'exchange', 'list_date', 'market_cap']
                )
                if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
                        (_basic['list_date'].values[0] <= '20220219') and (_basic['market_cap'].values[0] < 5000000000):
                    data_selected = data_selected.append(
                        df.tail(1).assign(
                            name=_basic['name'].values[0],
                            industry=_basic['industry'].values[0],
                            market_cap=_basic['market_cap'].values[0],
                        )
                    )

    data_selected = data_selected.sort_values(by=['amount'], ascending=False)
    return data_selected[['name', 'industry', 'market_cap']]
    ## 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