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、20日均线大于120日均线。通过筛选出符合条件的股票进行投资。
选股逻辑分析
该选股策略主要通过以下三个条件进行选股：
- 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接近长期均线及相对稳定。
- 20日均线大于120日均线：判断个股的短期趋势是否高于长期趋势。
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？
- 个股的短期趋势和长期趋势在不同时间段可能会出现变化，投资难度较大。
- 选股条件过于狭窄，可能会忽略了一些潜在的投资机会。
如何优化？
- 筛选条件需要更加全面、多元化，注重多方面的财务和业绩指标，以减少误判和漏判。
- 应充分考虑市场趋势、经济形势等宏观因素的影响，合理搭配和配置股票投资组合。
- 根据自身风险承担能力及投资目标，选择合适的选股策略，灵活调整，定期评估和监测。
最终的选股逻辑
该选股策略选择元宇宙板块中，股票均价站在250日均线之上，短期均线20日均线高于长期均线120日均线的股票进行投资。
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)
20日均线和120日均线：MA(C,20) > MA(C,120)
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']:
df = pro.query('daily', ts_code=code, fields='trade_date, close')
if len(df) >= 250:
if (df.iloc[-1]['close'] >= df['close'].rolling(250).mean()[249]) and \
(df['close'].rolling(20).mean()[249] > df['close'].rolling(120).mean()[249]):
_basic = pro.query(
'stock_basic',
ts_code=code,
fields=['name', 'industry', 'exchange', 'list_date']
)
if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
(_basic['list_date'].values[0] <= '20220101'):
data_selected = data_selected.append(
df.tail(1).assign(name=_basic['name'].values[0], industry=_basic['industry'].values[0])
)
data_selected = data_selected.sort_values(by=['close'], ascending=False)
return data_selected[['name', 'industry']]
## 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。
