问财量化选股策略逻辑
该选股策略选择元宇宙行业中，同时满足以下条件的股票进行投资：股票均价站在五日均线之上，至少5根均线重合的股票。
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，至少5根均线重合的股票。该条件能够提高选股股票的可靠性和稳定性。
有何风险？
该选股策略存在以下风险：
-
忽视了其他多项因素，如公司的财务状况、成长前景等，可能造成择股不当的情况。
-
选出的股票可能存在较大的波动风险。
如何优化？
为了降低选股策略的风险，可以进行以下优化：
-
加强对于公司的基本面分析，结合其他指标进行筛选，如市盈率、市净率、市值、流通市值等，多方面进行综合考虑。
-
对于股票的价格波动，可以根据动态趋势进行评估和调整，及时调整投资策略。
最终的选股逻辑
该选股策略选择元宇宙行业中，同时满足以下条件的股票进行投资：股票均价站在五日均线之上，至少5根均线重合的股票。
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；
- 至少5根均线重合。
通过以上选股策略可以选举出具备较好市场表现且有稳定投资潜力的股票进行投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 股票均价：AVG(C,5)
- 均线重合：MA(C,5)==MA(C,10)==MA(C,20)==MA(C,30)==MA(C,60)
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()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, area, industry, list_date, pe, pb, roe')
data1_select = data1[(data1['industry']==industry) & (data1['tot_mv'] < 50000) & (data1['circ_mv'] < 50000) & (data1['area']!='北京') & (data1['pe'] < 100) & (data1['pb'] < 10)]
stocks = []
for ts_code in data1_select['ts_code']:
data = pro.query('daily', ts_code=ts_code, start_date='20220101', end_date='20220228', fields='ts_code, trade_date, open, high, low, close, vol, limit_up')
if data['close'].iloc[-1]/data['close'].iloc[-5] < 1.02:
continue
if not (data['close'].rolling(window=5).mean() == data['close'].rolling(window=10).mean() == data['close'].rolling(window=20).mean() == data['close'].rolling(window=30).mean() == data['close'].rolling(window=60).mean()).iloc[-1]:
continue
stocks.append([ts_code, data['close'].iloc[-1]])
return pd.DataFrame(stocks, columns=['ts_code', 'close'])
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。
