问财量化选股策略逻辑
该选股策略选择元宇宙行业中，同时满足以下条件的股票进行投资：股票均价站在五日均线之上，昨天3连板。
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，昨天股票连续涨停3板。该条件筛选出的股票一般有较好的市场表现，有一定的投资价值。
有何风险？
该选股策略存在以下风险：
-
过于依赖昨天股票的涨停情况，未能考虑其未来的发展趋势，导致选股结果失误。
-
忽视了其他多项因素，例如财务状况、盈利能力的动态变化、行业趋势等，选股结果可能有偏差。
如何优化？
为了减少选股策略的风险，可以进行如下优化：
-
结合其他指标进行筛选，如股票市值、成交量、市盈率等，多方面进行综合考虑。
-
对于股票的涨跌情况，可以采用动态跟踪的方式进行评估分析，及时调整投资策略。
最终的选股逻辑
该选股策略选择元宇宙行业中，同时满足以下条件的股票进行投资：股票均价站在五日均线之上，昨天股票连续涨停3板。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价站在五日均线之上；
- 昨天股票连续涨停3板。
通过以上选股策略可以选举出具有较好市场表现的股票进行投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 股票均价：AVG(C,5)
- 昨天股票涨停3板：“?REF(LIMITUP,1)==1 AND ?REF(LIMITUP,2)==1 AND ?REF(LIMITUP,3)==1”
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()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, area, industry, list_date, pe, pb, roe')
data1_select = data1[(data1['industry']==industry) & (data1['tot_mv'] < 50000) & (data1['circ_mv'] < 50000) & (data1['area']!='北京') & (data1['pe'] < 100) & (data1['pb'] < 10)]
stocks = []
for ts_code in data1_select['ts_code']:
data = pro.query('daily', ts_code=ts_code, start_date='20220101', end_date='20220102', fields='ts_code, trade_date, open, high, low, close, vol, limit_up')
if data['close'].iloc[-1]/data['close'].iloc[-5] < 1.02:
continue
if data['limit_up'].rolling(3).min() != 1:
continue
stocks.append([ts_code, data['close'].iloc[-1]])
return pd.DataFrame(stocks, columns=['ts_code', 'close'])
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。
