问财量化选股策略逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”以及规模达到2亿以上的股票。
选股逻辑分析
该选股逻辑主要考虑了元宇宙板块中规模较大的标的，并通过“收盘价大于昨日的最低价”筛选出短时期内有上涨趋势的股票，进一步提高了选出目标股票的质量。
有何风险？
- 筛选条件单一，存在选出股票风险较高的可能性；
- 规模2亿以上可能导致目标股票数量过少。
如何优化？
- 综合考虑跨周期多维度指标，如财务报表指标、市场指标、行业指标等；
- 加入机器学习算法，增加筛选条件和权重的灵活性；
- 对选股条件进行相应的松/紧调整，以充分利用筛选条件的灵活性，并进行风险控制和仓位管理。
最终的选股逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”以及规模达到2亿以上的股票。在使用时，建议综合考虑多维度指标，并进行合理的风险控制和仓位管理。
同花顺指标公式代码参考
元宇宙: SELECTEDINDUSTRY("gnxq")
收盘价大于昨日的最低价: CLOSE > REF(LOW,1)
规模2亿以上: MCAP > 200000000
python代码参考
import pandas as pd
import numpy as np
# 选股策略
def stock_selector(df):
# 筛选条件
condition1 = df['concepts'].str.contains("元宇宙")
condition2 = df['close'] > df['low'].shift(1)
condition3 = df['mkt_cap'] > 200000000 # 规模条件
# 根据筛选条件进行选股
selected = df[condition1 & condition2 & condition3]
# 设定灵活的买卖策略
# 示例代码：定期调整仓位
selected['position'] = 1 / len(selected)
# 示例代码：加入止损点
selected['stop_loss'] = selected['low'].rolling(10).min() * 0.98 # 10日内最低价的98%作为止损点
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。
