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，且规模在2亿以上。此选股条件结合了技术面和市值因素的考虑，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，进一步考虑市值因素对股票投资的意义。在元宇宙行业中，选择技术面表现较好，同时规模在一定范围内的个股。这一策略将技术面和基本面相结合，以选出有良好上涨趋势预期且市值相对合理的标的。
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；
- 选股数量可能较少，分散程度相对较低。
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：
- 设计更为严谨的规模分类筛选方法，考虑分红、股本结构等方面因素；
- 建立良好的风控机制，控制单支股票持仓比例和集中度；
- 保持分散投资和持续调整股票池的策略，尽量减少因市场波动带来的风险。
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，规模在2亿以上的个股。此选股条件不仅关注技术面，同时也考虑规模对股票投资的意义，是综合考虑基础面和技术面的过程。
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))
- 规模分类：总市值大于2亿
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, market_cap):
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']>market_cap)]
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', 'mktcap']]
industry = '元宇宙'
market_cap = 200000000
df = stock_selector(industry, market_cap)
print(df.head())
以上代码将返回行业为“元宇宙”且规模在2亿以上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。
