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，且市盈率和市净率同时在一定范围内。此选股条件结合了技术面和基础面的考虑，旨在选择具有良好上涨趋势和低风险的标的。
选股逻辑分析
该选股策略在基于技术面的基础上，进一步考虑市盈率和市净率对股价走势可能产生的影响。在元宇宙行业中，选择技术面表现较好，同时市盈率和市净率处于合理水平的个股。这一策略关注技术面的同时，也考虑基本面对企业股价的影响。
有何风险？
该选股策略存在以下风险：
- 市场因素和行业热度的影响较大；
- 企业财务状况、政策变化等因素也会对股票走势产生影响；
- 市盈率和市净率的合理区间难以确定，容易出现选股偏差。
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：
- 增加对企业财务方面的考察，包括财务指标、政策环境等因素；
- 设计更为严谨的股票池筛选方法，考虑不同行业和市值因素；
- 制定更严谨的市盈率和市净率合理范围限制，并分类别制定。
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，同时市盈率和市净率在一定范围内的个股。此选股条件对技术面和基本面进行综合考虑，以选出的标的具有较强的上涨趋势预期和基本面优势。
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))
- 基础面：深证主板市盈率0-29.01，市净率0-3.11
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, pe_low, pe_high, pb_low, pb_high):
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,pe,pb')
df = df[(df['industry']==industry) & (df['market']=='主板') & (df['list_status']=='L') & \
(df['pe']>pe_low) & (df['pe']<pe_high) & (df['pb']>pb_low) & (df['pb']<pb_high)]
df['ma_5'] = ts.SMA(df['close'], timeperiod=5)
df['ma_10'] = ts.SMA(df['close'], timeperiod=10)
df['ma_20'] = ts.SMA(df['close'], timeperiod=20)
df['macd'] = ts.EMA(df['close'], 12)-ts.EMA(df['close'], 26)
df = df[(df['macd']>0) & (df['ma_5']>df['ma_10']) & (df['ma_10']>df['ma_20'])]
return df[['ts_code', 'name', 'industry', 'close', 'pe', 'pb']]
industry = '元宇宙'
pe_low = 0
pe_high = 29.01
pb_low = 0
pb_high = 3.11
df = stock_selector(industry, pe_low, pe_high, pb_low, pb_high)
print(df.head())
以上代码将返回行业为“元宇宙”且市盈率和市净率同时满足条件且同时满足三个技术指标金叉的所有股票信息。
## 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。
