问财量化选股策略逻辑
该选股策略选择在元宇宙行业中，同时满足以下条件的股票进行投资：三个技术指标同时金叉，且20日均线大于120日均线。此选股条件结合了技术面，旨在选择具有良好上涨趋势的标的。
选股逻辑分析
该选股策略依据技术面，选择三个技术指标同时金叉的个股，且20日均线长期大于120日均线，符合技术面上的价值和成长投资理念。这一策略的目的是选择具有良好上涨趋势和稳定表现的股票。
有何风险？
该选股策略存在以下风险：
- 技术面因素不足以代表股票长期的投资价值；
- 技术指标存在的一定滞后性，股票涨势高峰可能已经错过；
- 元宇宙行业存在政策和监管风险。
如何优化？
为减少选股策略的风险和提高选股成功率，可以考虑以下优化方法：
- 建立完整风控机制，在选股的基础上加入基本面评估，避免过分依赖技术面指标；
- 定期检视选股策略，及时更换不适合的股票标的；
- 积极跟踪政策和监管变化，及时调整选股策略，以减少外部风险对策略的影响。
最终的选股逻辑
综合以上分析，可以得出一个完善的选股逻辑：选择元宇宙行业中，在三个技术指标同时金叉的公司中，20日均线大于120日均线的个股。此选股条件关注技术面，同时也考虑了股票的长期投资价值。
具体的选股条件为：
- 元宇宙行情：GNBK('gnxq')
- 技术指标：CROSS(MACD(12,26,9), MACDSignal(12,26,9))、CROSS(MA(5), MA(10))、CROSS(MA(5), MA(20))，MA(20)>MA(120)
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 技术指标：MACD(12,26,9)、MACDSignal(12,26,9)、MA(5)、MA(10)、MA(20)
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()
df = pro.stock_basic(list_status='L', exchange='', \
fields='ts_code,symbol,name,area,industry,list_date,mktcap')
df = df[(df['industry']==industry) & (df['market']=='主板') & (df['list_status']=='L') & \
(df['mktcap']>200000000)]
df['ma_20'] = ts.SMA(df['close'], timeperiod=20)
df['ma_120'] = ts.SMA(df['close'], timeperiod=120)
df['macd'] = ts.EMA(df['close'], 12)-ts.EMA(df['close'], 26)
df = df[(df['macd']>0) & (df['ma_20']>df['ma_120']) & \
(CROSS(MACD(12,26,9), MACDSignal(12,26,9))>0) & \
(CROSS(MA(5), MA(10))>0) & (CROSS(MA(5), MA(20))>0)]
return df[['ts_code', 'name', 'industry', 'close', 'mktcap']]
industry = '元宇宙'
df = stock_selector(industry)
print(df)
以上代码将返回行业为“元宇宙”且同时满足三个技术指标金叉且20日均线长期大于120日均线的所有股票信息。
## 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。
