问财量化选股策略逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，昨日股价大于250日均线。
选股逻辑分析
该选股策略的选股条件包括：选择元宇宙行业中的股票、股票均价站在五日均线之上、昨日股价大于250日均线。
选择元宇宙行业的股票，可以体现对新兴行业的关注和投资。选择股票均价站在五日均线之上的股票，则显示出该股票较好的短期涨势。选择昨日股价大于250日均线的股票，可以过滤出此时具有较好上涨潜力的股票。
有何风险？
该选股策略可能会受到市场环境、政策变化等多种因素的影响，存在一些风险：
- 选择条件较为简单，可能会遗漏有效信息；
- 250日均线的选择可能会带来一定偏差，应综合考虑多种技术指标；
- 基于历史数据进行选股，未来表现不确定。
如何优化？
为了减小选股策略受到的风险，可以进行如下优化：
- 加载更多的技术和基本面指标，如SMA、MACD、市盈率等，在综合考虑多种指标的基础上进行选股；
- 定期更新选股条件，避免过时的信息干扰投资决策；
- 根据大盘走势，选择具备长期投资价值、市场竞争力、财务良好、成长性高的公司投资。
最终的选股逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，昨日股价大于250日均线。
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，可以通过计算五日均价和股票的收盘价比较；
- 昨日股价大于250日均线，可以通过计算昨日收盘价和250日均价比较。
因此，该选股策略的最终选股公式为：
BK('gnxq') AND (C > MA(C,250)) AND (MA(C,5) > C)
其中，C表示股票的收盘价。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 五日均线：MA(C,5)
- 250日均线：MA(C,250)
- 收盘价：C
在通达信中，可以使用如下指标代码：
(C > MA(C,250)) AND (MA(C,5) > C)
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector(date):
ts.set_token('your_token')
pro = ts.pro_api()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, industry, list_date, circ_mv')
data2 = pro.daily(trade_date=date, fields='ts_code, close, open, high, low')
data3 = pd.merge(data1, data2[['ts_code', 'close', 'open', 'high', 'low']], on='ts_code', how='inner')
data4 = pd.read_csv('path/to/stock_sector.csv')
data5 = pd.merge(data4, data3, on='ts_code', how='inner')
data6 = pd.read_csv('path/to/index_data.csv')
data7 = pd.merge(data5, data6, on='trade_date', how='inner')
data8 = pd.DataFrame()
for ts_code in data7['ts_code'].unique():
if len(data3.loc[(data3['ts_code'] == ts_code), :]) > 5:
if (data3.loc[(data3['ts_code'] == ts_code), 'close'].values[-2] > data3.loc[(data3['ts_code'] == ts_code), 'close'].rolling(window=250).mean().values[-1]) and (data3.loc[(data3['ts_code'] == ts_code), 'close'].values[-1] > data3.loc[(data3['ts_code'] == ts_code), 'close'].rolling(window=5).mean().values[-1]):
data8 = data8.append(data7[data7['ts_code'] == ts_code], ignore_index=True)
if len(data8) > 0:
return data8[['ts_code', 'name']]
else:
return pd.DataFrame()
## 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。
