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，开盘价在十日线左右。
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，开盘价在十日线左右。通过基本面和技术面进行加持，剔除了表现不佳、未有热点的标的，有利于发现市场热点和潜在投资机会。
有何风险？
该选股策略存在以下风险：
-
选股条件质量较低，不能充分反映标的的长期表现，风险较高。
-
该选股策略着重考虑技术面，基本面因素较少，风险较高。
如何优化？
为了减小选股策略的风险，可以采取如下优化策略：
-
引入更多的指标进行选股，基本面和技术面综合考虑，提高选股的准确性。
-
结合自身风险偏好，根据选股条件进行权重分配，减小风险。
-
定期跟踪标的表现，及时做出调整。
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，开盘价在十日线左右。
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；
- 开盘价在十日均线左右。
因此，该选股策略通过基本面和技术面进行选股，剔除了表现不佳、未有热点的标的，有利于发现市场热点和潜在投资机会，同时也能降低风险。
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)
- 十日均线：MA(C,10)
- 开盘价：O
因此，该选股的最终选股公式为：
GNBK('gnxq') AND (C > MA(C,5)) AND (O >= MA(C,10) * 0.9 AND O <= MA(C,10) * 1.1)
Python代码参考
import pandas as pd
import tushare as ts
import talib
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(trade_date=date, fields='ts_code, open, close, circ_mv')
data1_select = data1[(data1['circ_mv'] > 1) & (data1['circ_mv'] <= 55) & (data1['industry']==industry)]
data2_merge = pd.merge(data1_select, data2[['ts_code', 'open', 'close', 'circ_mv']], on='ts_code')
data2_merge['MA5'] = talib.MA(data2_merge['close'].values, timeperiod=5)
data2_merge['MA10'] = talib.MA(data2_merge['close'].values, timeperiod=10)
data_select = data2_merge[(data2_merge['close'] > data2_merge['MA5']) & (data2_merge['open'] >= data2_merge['MA10']*0.9) & (data2_merge['open'] <= data2_merge['MA10']*1.1)]
return data_select[['ts_code', 'open', 'close', 'circ_mv']]
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。
