问财量化选股策略逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”以及“未清偿可转债简称不可为空”的股票。
选股逻辑分析
该选股策略主要考虑元宇宙主题股中，具备良好上涨潜力的股票，并且基于对可转债的关注，筛选具备可转债或债券发行计划、未清偿可转债且简称不为空的个股，以寻找更具有价值的投资机会。同时，收盘价大于昨日最低价表明股票具备较好的短期涨势动能。
有何风险？
- 可转债对于数据的更新可能存在偏差，导致选股结果的误差；
- 未清偿可转债的可转债价格可能忽高忽低，与股票市场变化跳动幅度较大，可能导致选股结果受到影响，表现不够稳定。
- 简称为空，或简称不规范的个股也可能会被选出，可能会从一些方面导致选股结果的误差。
如何优化？
- 在筛选条件中增加对财务数据的要求，如盈利能力、成长性等，以更好地筛选具备较好投资价值的股票。
- 可以结合其他技术指标，如kdj、MACD等，更全面地分析股票价格趋势的方向性和力度。
- 可以对可转债数据的获取及使用进行更加细致的调整和筛选，进一步提高选股策略的精准度和稳定性。
最终的选股逻辑
该选股策略是同时包含元素“元宇宙”、“收盘价大于昨日的最低价”以及“未清偿可转债简称不可为空”的股票。建议在使用时，结合其他技术指标和基本面因素，全面分析股票的上涨动能、可转债等变量和投资价值，从而提高选股策略的可靠程度和有效性。
同花顺指标公式代码参考
元宇宙: SELECTEDINDUSTRY("gnxq")
收盘价大于昨日的最低价: CLOSE > REF(LOW, 1)
未清偿可转债简称不可为空: CONVERTIBLEBOND('f_qlist', 'f_NAME').str.len() > 0 AND CONVERTIBLEBOND('f_qlist', 'f_SYMBOL').notnull()
python代码参考
import pandas as pd
import numpy as np
# 选股策略
def stock_selector(df):
# 筛选条件
condition1 = df['concepts'].str.contains("元宇宙")
condition2 = df['close'] > df['low'].shift(1)
condition3 = df['convertible_bond_name'].str.len() > 0
condition4 = df['convertible_bond_short_name'].notnull()
# 根据筛选条件进行选股
selected = df[condition1 & condition2 & condition3 & condition4]
# 设定灵活的买卖策略
# 示例代码：定期调整仓位
selected['position'] = 1 / len(selected)
# 示例代码：加入止损点
selected['stop_loss'] = selected['low'].rolling(10).min() * 0.98 # 10日内最低价的98%作为止损点
return selected
## 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。
