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：股票均价在五日均线之上，500日内至少2次涨停。
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、股票均价在五日均线之上，以及500日内至少2次涨停。
选择元宇宙行业，可解决过度依赖传统产业的问题。股票均价在五日均线之上，说明价格正在上涨，具有一定的投资价值。在500日内至少有2次涨停，也能反映出市场对该股票的追捧程度，这样的股票更有可能出现赚钱的机会。
有何风险？
该选股策略存在以下风险：
- 涨停次数的数据只考虑了近500日内的情况，而忽略更长时间的历史数据；
- 过于依赖涨停次数的条件，可能会忽略其他重要因素，如基本面的影响，市场趋势等。
如何优化？
为了减小选股策略的风险，可以进行如下优化：
- 加入更多基本面指标，如市盈率、市净率、ROE等因素，更全面地分析公司财务状况和估值情况；
- 充分考虑历史数据，如扩大涨停次数的时间范围，或者考虑股票在过去一段时间的平均涨幅等；
- 结合其他技术指标，如RSI、KDJ等进行综合考虑，以确保选股的全面性。
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：股票均价在五日均线之上，500日内至少2次涨停。
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；
- 500日内至少有2次涨停。
因此，该选股策略的最终选股公式为：
GNBK('gnxq') AND (C > MA(C,5)) AND (COUNT(IF((REF(HIGH,1) == REF(LIMIT,1)),1,0),500) >=2)
其中，C表示股票的收盘价，MA表示股票的移动平均线，COUNT表示函数，IF表示条件判断语句。
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)
- 500日内涨停次数：COUNT(IF((REF(HIGH,1) == REF(LIMIT,1)),1,0),500)
在通达信中，可以使用如下指标代码：
(C > MA(C,5)) AND (COUNT(IF((REF(HIGH,1) == REF(LIMIT,1)),1,0),500) >=2)
Python代码参考
import pandas as pd
import tushare as ts
def stock_selector(date):
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, circ_mv, pe, pb, roe')
data2 = pro.daily_basic(trade_date=date, fields='ts_code, close, turnover_rate')
data_merge_1 = pd.merge(data1, data2, on='ts_code', how='inner')
data3 = pro.bar(ts_code='', adj='qfq', start_date=(pd.Timestamp(date) - pd.Timedelta(days=500)), end_date=date, freq='D',
fields='ts_code, trade_date, close, open, high, low, pre_close, volume, turnover_rate, pct_chg, amount')
data3['limit'] = data3.apply(lambda row: 1 if row['high'] == row['pre_close'] * 1.1 else 0, axis=1)
data_merge_2 = pd.merge(data_merge_1, data3, on='ts_code', how='inner')
data4 = data_merge_2.groupby('ts_code').agg({'close': list, 'limit': sum}).reset_index()
data5 = data4.loc[data4['limit'] >= 2]
data6 = pd.merge(data_merge_2, data5, on='ts_code', how='inner')
data7 = data6[(data6['close'][-1] > data6['close'][-2]) & (data6['turnover_rate'][-1] > data6['turnover_rate'].mean())]
data8 = data7[['ts_code', 'name']]
return data8
## 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。
