(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、周线红柱

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

选股逻辑包括三个条件:元宇宙板块中的股票、昨日股价大于250日均线、周线出现红柱。根据这些条件筛选符合条件的股票,进行投资。

选股逻辑分析

该选股策略主要考虑以下三个条件进行选股:

  1. 元宇宙板块中的股票:选择热门板块中的个股。
  2. 昨日股价大于250日均线:判断个股目前的价格是否相对稳定且接近长期均线。
  3. 周线出现红柱:周线K线柱出现红色,说明股票持续走强。

综合以上三个条件,选择合适的个股进行投资。

有何风险?

  1. 过于依赖热点板块和近期趋势,容易忽视长期价值和业绩表现。
  2. 周线红柱选股策略的可靠性和实际效果存在一定的不确定性,容易导致做出错误的选择。
  3. 如果缺少持续优化的选股策略和风控体系,可能会面临重大风险和亏损压力。

如何优化?

  1. 在选股策略中加入合理的策略因素,特别是对企业的基本面、财务数据、业绩等方面的分析,确保基于更全面和可靠的数据做出决策。
  2. 周线红柱与其他技术指标如均线、MACD等综合分析,确定股票的买入卖出时机。
  3. 在风险管理方面,需要建立完善的实时监控和风险控制系统,及时回收风险并且避免过度押注。

最终的选股逻辑

该选股策略选择元宇宙板块中,昨日股价大于250日均线,周线出现红柱的个股进行投资。

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)

周线红柱:WEEKLY,1,COLORSTICK,M>REF(M,1),RED,BLUE

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']

    data_selected = pd.DataFrame()
    for code in gnxq_stocks['con_code']:
        _basic = pro.query(
            'stock_basic', 
            ts_code=code,
            fields=['name', 'industry', 'exchange', 'list_date']
        )
        if len(_basic) == 0:
            continue
        if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
                (_basic['list_date'].values[0] >= '20210101'):
            df = pro.query(
                'daily',
                ts_code=code,
                fields='trade_date, close, high, low, open, pct_chg, vol, amount'
            )
            if len(df) < 10:
                continue
            df_weekly = pro.query(
                'weekly',
                ts_code=code,
                fields='trade_date, close, high, low, open, pct_chg, vol, amount'
            )
            if (df.iloc[-2]['close'] >= df['close'].rolling(250).mean()[249]) and \
                    (df_weekly.iloc[-2]['pct_chg'] > 0) and (df_weekly.iloc[-1]['pct_chg'] > 0):
                data_selected = data_selected.append(
                    df.tail(1).assign(
                        name=_basic['name'].values[0],
                        industry=_basic['industry'].values[0],
                        exchange=_basic['exchange'].values[0],
                        list_date=_basic['list_date'].values[0]
                    )
                )

    data_selected = data_selected.sort_values(by=['amount'], ascending=False)
    return data_selected[['name', 'industry', 'exchange', 'list_date']]
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论