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，规模在2亿以上。
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，规模在2亿以上。
选择元宇宙行情和股票均价在五日均线之上的理由同上一个选股逻辑。选择规模在2亿以上的标的，则可以将规模较小的、过于风险的标的排除在外，降低风险。
但需要注意的是，只选择较大规模的标的，可能会忽略一些后起之秀，错过机会。
有何风险？
该选股策略存在以下风险：
-
忽略了一些较小规模、但未来有大潜力的标的；
-
只依靠短期技术面进行选股，而忽略基本面的重要性。
如何优化？
为了减小选股策略的风险，可以进行如下优化：
-
在选择规模时，可以结合其他因素来进行筛选，如成长性、行业龙头等；
-
加入基本面指标，如ROE、毛利率、净利润增长率等，来全面了解选出标的的质量。
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，规模在2亿以上。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价在五日均线之上；
- 总市值在2亿以上。
因此，该选股策略不仅具备一定的技术面特征，同时加入了规模的判断，满足一定的成长性，降低了选股风险。
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)
- 总市值2亿以上：circ_mv >= 200000000
因此，该选股的最终选股公式为：
GNBK('gnxq') AND (C > MA(C,5)) AND (circ_mv >= 200000000)
其中，C表示股票的收盘价，MA表示股票的移动平均线。
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector(date, industry):
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, pe_ttm, pb, roe')
data2 = pro.daily_basic(trade_date=date, fields='ts_code, close')
data_merge_1 = pd.merge(data1, data2, on='ts_code', how='inner')
data_merge_2 = data_merge_1[data_merge_1['industry']==industry]
data_merge_3 = data_merge_2[data_merge_2['close'] > data_merge_2['close'].rolling(window=60).mean()]
data5 = data_merge_3[data_merge_3['circ_mv'] >= 200000000]
return data5[['ts_code', 'name']]
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。
