问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，按今日竞价金额排序前5的股票中，筛选500日内至少2次涨停的股票进行投资操作。
选股逻辑分析
该选股策略主要关注股票的价格涨幅和走势，选取了今日竞价金额前5的股票，然后筛选了500日内至少2次涨停的股票，考虑了股票价格的历史表现和潜在的投资机会。
有何风险？
该选股策略可能存在以下风险：
- 涨停板的出现受到多种因素影响，可能会导致选股策略的效果不稳定。
- 涨停限制的影响可能会削弱股票的流动性，导致难以进行交易。
- 过多关注历史表现可能会忽视潜在的未来变化和风险因素。
如何优化？
为了优化该选股策略，可以考虑以下方法：
- 考虑更多的技术面指标，如RSI、布林线等，结合基本面分析制定更加全面的选股策略。
- 增加其他涨跌限制下的指标，如打板板数、次新股评级等，增强选股的准确性和实用性。
- 增加股票流动性的考虑，如增加成交量等指标，避免选出的股票无法顺利交易。
最终的选股逻辑
在元宇宙行业中，根据股票今日竞价金额的大小，选择今日竞价金额排序前5的股票，然后筛选500日内至少2次涨停的股票进行投资。选股条件为：
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：元宇宙
- 竞价金额排序：ORDLST(1, "JBJG")
- 涨停条件：REF(CLOSE, 1)/REF(CLOSE, 2)>1.098 & REF(CLOSE, 2)/REF(CLOSE, 3)<1.098 & CEILING(CHG/REF(CLOSE, 1)*100)>=9.8 & REF(CEILING(CHG/REF(CLOSE, 1)*100), 1)>=9.8
- 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
REF(CLOSE, 1)/REF(CLOSE, 2)>1.098 &
REF(CLOSE, 2)/REF(CLOSE, 3)<1.098 &
CEILING(CHG/REF(CLOSE, 1)*100)>=9.8 & REF(CEILING(CHG/REF(CLOSE, 1)*100), 1)>=9.8
同花顺指标公式代码参考
- 行情：SH或SZ
- 行情类型: MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1")
- 行业特点：INDUSTRY.industry == "元宇宙"
- 竞价金额排序：ORDLST(1, "JBJG")
- 涨停条件：REF(CLOSE, 1)/REF(CLOSE, 2)>1.098 & REF(CLOSE, 2)/REF(CLOSE, 3)<1.098 & CEILING(CHG/REF(CLOSE, 1)*100)>=9.8 & REF(CEILING(CHG/REF(CLOSE, 1)*100), 1)>=9.8
- 最终选股：MKT_STK_EXCHANGE(kind1="1", kind2="1", kind3="1") &
INDUSTRY.industry == "元宇宙" &
ORDLST(1, "JBJG") &
REF(CLOSE, 1)/REF(CLOSE, 2)>1.098 &
REF(CLOSE, 2)/REF(CLOSE, 3)<1.098 &
CEILING(CHG/REF(CLOSE, 1)*100)>=9.8 & REF(CEILING(CHG/REF(CLOSE, 1)*100), 1)>=9.8
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()
df = pro.stock_basic(exchange='', list_status='L', fields='ts_code, name, industry, market, \
list_date, pe, pb, circ_mktcap')
df = df[(df['industry'].str.contains(industry))]
company_list = list(df['ts_code'])
weekly_data = pro.weekly(ts_code=company_list, start_date='20180101', end_date='20211231')
close_data = pro.daily(ts_code=company_list, start_date='20180101', end_date='20211231')
rise_count = pd.DataFrame(close_data[['ts_code','trade_date','pct_chg']])
rise_count = rise_count[rise_count['pct_chg']>9.8]
second_rise_count = pd.DataFrame(close_data[['ts_code','trade_date','pct_chg']])
second_rise_count = second_rise_count[second_rise_count['pct_chg']<=9.8]
second_rise_count = second_rise_count[second_rise_count['pct_chg']>0]
second_rise_count = second_rise_count.groupby('ts_code').size().reset_index(name='second_rise_count')
rise_count = rise_count.groupby('ts_code').size().reset_index(name='rise_count')
filtered_result = pd.merge(df, rise_count, on='ts_code', how='inner')
filtered_result = pd.merge(filtered_result, second_rise_count, on='ts_code', how='inner')
filtered_result = filtered_result[filtered_result['rise_count']>=2]
result = filtered_result.sort_values(by='circ_mktcap', ascending=False).head(5)
return result
industry = '元宇宙'
df = stock_selector(industry)
print(df)
以上python代码将返回选出的行业为“元宇宙”，今日竞价金额前五，500日内至少2次涨停的股票信息。
## 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。
