问财量化选股策略逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，且近10日的涨幅大于0小于35%。
选股逻辑分析
该选股策略的选股条件包括：选择元宇宙行业，股票均价站在五日均线之上，近10日的涨幅大于0小于35%。通过这些条件可以筛选出近期上涨潜力较大的个股。
有何风险？
该选股策略存在以下风险：
-
只考虑短期涨幅，忽视了股票的长期表现，可能会选择某些短期上涨但难以持续的股票。
-
只考虑涨幅大小，不能全面反映出股票的趋势走向，可能会选出一些股价过高或估值过高的股票。
如何优化？
为了减少选股策略的风险，可以进行如下优化：
-
综合考虑股票的长期表现，引入其他的技术指标进行筛选，增加选股策略的准确性。
-
加入风险控制的因素，如市盈率、市净率等，避免选择估值过高的股票。
-
采用机器学习等方法进行模型训练，不断优化选股策略的准确性和稳定性。
最终的选股逻辑
该选股策略选择元宇宙行业中，符合以下条件的股票进行投资：股票均价站在五日均线之上，近10日的涨幅大于0小于35%。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价在五日均线之上；
- 股票近10日的涨幅在0至35%之间。
通过以上选股策略可以筛选出近期上涨潜力较大、估值适中的个股进行投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 五日均线：MA(C,5)
- 近10日涨幅：(C/REF(C,10)-1)*100
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()
data1 = pro.query('stock_basic', exchange='', list_status='L', fields='ts_code, name, industry, list_date')
data1_select = data1[(data1['industry']==industry)]
stocks = []
for ts_code in data1_select['ts_code']:
data = pro.query('daily', ts_code=ts_code, start_date='20210201', end_date='20220430', fields='ts_code, trade_date, open, close, high, low')
if len(data) < 11:
continue
MA5 = data['close'].rolling(window=5).mean()
increase_rate = (data['close'].iloc[-1]/data['close'].iloc[-11]-1)*100
if data['close'].iloc[-1] > MA5.iloc[-1] and increase_rate > 0 and increase_rate < 35:
stocks.append([ts_code, data['open'].iloc[-1], data['close'].iloc[-1]])
return pd.DataFrame(stocks, columns=['ts_code', 'open', 'close'])
其中，参数industry为所选元宇宙的行业名称。
## 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。
