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、9点25分涨幅小于6%。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：
- 元宇宙：选择热门板块中的个股。
- 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。
- 9点25分涨幅小于6%：选取与昨日相比表现相对稳定或略有下跌的个股。
综合以上三个条件，选择合适的个股进行投资。
有何风险？
- 市场流动性波动可能影响选股效果，尤其是在大幅波动的市场中，容易受到市场情绪的干扰。
- 筛选条件过于简单，可能丢失部分优质个股。
- 9点25分涨幅过低并不能完全反映股票的表现，需要结合更多指标进行综合考虑。
如何优化？
- 除了考虑股票价格、涨幅等因素外，也需要结合其他财务和业绩指标进行选股，以更加全面地评估股票价值。
- 合理设置选股条件，避免过于简单或过于复杂，需要考虑市场流动性、行业走势等因素。
- 进一步考虑股票流通性、现金流等指标，并尝试运用自然语言处理技术对公司资讯进行分析，以更精准地判断个股的投资价值。
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日均线并且9点25分涨幅小于6%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)
9点25分涨幅小于6%：
- 首先需要获取当日股票交易数据，可以通过同花顺自定义公式进行获取。
- 按照股票代码、日期分组，计算当日股票的涨幅，并筛选出9点25分涨幅小于6%的股票。
具体代码如下：
// 获取当日股票数据，包括收盘价、开盘价、日期、股票代码等
let data = GetDataTable(`SELECT code, name, date, open, close, high, low FROM xtp_hq_snapshot WHERE date='${_date}'`);
// 计算当日股票的涨幅，并筛选出9点25分涨幅小于6%的股票
let group = data.GroupBy(['code', 'date'])
.OrderBy(['code', 'date'])
.Select('code, date, close, close[-1] as pre_close, open', ([])=>{
return {
code: $.GetStr($1.code),
date: $.GetStr($1.date),
close: $.ToFloat($1.close),
pre_close: $.ToFloat($1.pre_close),
open: $.ToFloat($1.open),
};
})
.Where('pre_close > 0 and (close/pre_close-1)*100 < 6 and (open/close-1)*100 < 0.3')
.ToTable();
let codes_selected = group.GetColumn('code').Distinct().ToArray();
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')
if len(df) < 2:
continue
if (df.iloc[-2]['close'] >= df['close'].rolling(250).mean()[249]):
if (df.iloc[-1]['pct_chg'] < 6) and (
((df.iloc[-1]['open'] / df.iloc[-2]['close']) - 1) * 100 < 0.3):
_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。
