问财量化选股策略逻辑
该选股策略包含元素“元宇宙”、“30日平均线向上”、“收盘价<boll(upper值)且收盘价>boll(mid值)”。
选股逻辑分析
该策略旨在从元宇宙股票中挑选出处于上涨趋势、并且收盘价处于Bollinger带的上半区间的股票。通过分析股票的基本面和技术面指标，筛选出具备较好盈利能力和成长性的股票，为投资提供参考。
有何风险？
- 忽略了股票的估值因素，可能会忽略高估值或低估值的优质企业；
- 过分依赖技术指标，使得选股结果存在较大的不确定性；
- 股价的上涨未必受到相关基本面和经济因素的强大支撑，具有一定风险。
如何优化？
- 除了关注技术指标，也可以加入相关基本面指标和流动性分析等指标，提高投资可靠性；
- 考虑规模大小、行业属性的影响，增加相应的筛选条件，以获得更高的安全性和收益率；
- 在实际操作过程中，结合其他多种指标进行综合分析，提高预期收益率和投资成功率。
最终的选股逻辑
在满足元宇宙、30日平均线向上、收盘价<boll(upper值)且收盘价>boll(mid值)的条件基础上，通过分析企业的基本面和技术面指标，筛选出处于上涨趋势、盈利能力和成长性较好且股价波动稳定的股票。
同花顺指标公式代码参考
元宇宙：SELECTEDINDUSTRY("gnxq")
30日平均线向上：MA(CLOSE,30)>REF(MA(CLOSE,30),1)
收盘价<boll(upper值)且收盘价>boll(mid值)：
CLOSE < BOLLUPPER(CLOSE, 20, 2) AND CLOSE > BOLL(CLOSE, 20, 2)
python代码参考
import pandas as pd
def stock_selector(df):
# 筛选条件
condition1 = df['concepts'].apply(lambda x: '元宇宙' in x)
condition2 = df['close'] > pd.Series(df['close']).rolling(window=30).mean().shift(1)
condition3 = (df['close'] < pd.Series(df['close']).rolling(window=20).apply(lambda x: x.mean() + 2 * x.std())) & (df['close'] > pd.Series(df['close']).rolling(window=20).mean())
conditions = [condition1, condition2, condition3]
selected = df[conditions]
# 可以加入其他指标的筛选条件
# selected = selected[other_conditions]
return selected
## 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。
