问财量化选股策略逻辑
该选股策略包括三个条件：元宇宙、昨日股价大于250日均线、七连阴。通过筛选符合要求的股票进行投资。
选股逻辑分析
该选股策略主要通过以下三个条件选择符合要求的个股进行投资：
- 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已接近长期均线；
- 七连阴：连续七天下跌，可能已经到达底部。
综合以上三个条件，选择符合要求的个股进行投资。
有何风险？
- 市场波动带来的风险；
- 七连阴并不一定代表底部，有可能仍会继续下跌。
如何优化？
- 可以加入其他的技术指标，如相对强弱指标、ARBR等，提高选股的准确性；
- 增加市场研究，综合多种分析方法，尽可能降低错误判断的概率。
最终的选股逻辑
该选股策略选择元宇宙板块中、股价大于250日均线且七连阴的股票作为投资目标。
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)
七连阴：REF(C, 1) < REF(C, 2) AND REF(C, 2) < REF(C, 3) AND REF(C, 3) < REF(C, 4) AND REF(C, 4) < REF(C, 5) AND REF(C, 5) < REF(C, 6) AND REF(C, 6) < REF(C, 7)
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']
# 获取符合条件的股票
data_selected = pd.DataFrame()
for code in gnxq_stocks['con_code']:
df = pro.query('stock_basic', ts_code=code, fields='name')
ts_data = ts.get_k_data(code[:6], start='2022-01-07', end='2022-01-07')
if len(ts_data) >= 7 and ts_data.iloc[0]['close'] >= ts_data.iloc[0]['close'].rolling(250).mean()[249] and ts_data.iloc[0]['close'] < ts_data.iloc[1]['close'] < ts_data.iloc[2]['close'] < ts_data.iloc[3]['close'] < ts_data.iloc[4]['close'] < ts_data.iloc[5]['close'] < ts_data.iloc[6]['close']:
data_selected = data_selected.append(df)
return data_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。
