问财量化选股策略逻辑
该选股策略包含元素“元宇宙”、“30日平均线向上”和“15分钟周期MACD绿柱变短”。
选股逻辑分析
该选股策略选取了元宇宙行业的标的，并要求30日平均线向上。同时，结合技术面指标，选取15分钟周期MACD绿柱长度减少，且与当前价格形成背离的标的，以判断短期走势的转变，进而挖掘投资机会。
有何风险？
- 该选股策略可能对技术面过于依赖，因此需要注意判断技术面指标的精准度和实用性。
- 标的的个股风险之间的差异可能会影响选股策略的执行效果，需注意投资风险管理。
- 通过技术面指标和周期对股票的化简可能会忽略标的的长期趋势，策略的短期回报相比长期投资策略可能会更受到市场短期波动的影响。
如何优化？
- 结合基本面指标对股票进行更全面的判断，避免过度依赖技术面指标对股票的选择。
- 考虑设置机器学习算法对股票筛选进行优化，通过大量数据训练算法以获得更科学的策略。
- 根据投资者不同的风险承受能力和选股目标进行策略调整，最大程度地提高投资效益。
最终的选股逻辑
该选股策略选取元宇宙行业有行业优势且处于成长期的标的，同时要求30日平均线向上，并结合技术面指标对标的进行短期趋势判断，挖掘投资机会。指标包括15分钟周期MACD绿柱长度变短且与当前价格形成背离的标的。同时，对于积极管理风险，需要考虑市场短期波动风险，将短期和长期投资策略进行有机结合。
同花顺指标公式代码参考
元宇宙：SELECTEDINDUSTRY("gnxq")
30日平均线向上：MA(CLOSE,30) > REF(MA(CLOSE,30),1)
15分钟周期MACD绿柱变短：DIF - DEA < REF(DIF - DEA, 1) AND DIF - DEA > REF(DIF - DEA, 2) AND DIF > DEA
python代码参考
import talib
def stock_selector(df):
# 筛选条件
condition1 = df['concepts'].str.contains('元宇宙')
condition2 = df['close'] > talib.MA(df['close'], timeperiod=30).shift(1)
condition3 = (df['dif'] - df['dea']) < df['dif'].shift(1) - df['dea'].shift(1)
condition4 = (df['dif'] - df['dea']) > df['dif'].shift(2) - df['dea'].shift(2)
condition5 = df['dif'] > df['dea']
# 综合筛选
selected = df[condition1 & condition2 & condition3 & condition4 & condition5]
# 设置灵活的买卖策略
# 示例代码：定量调整仓位
selected['position'] = 0.2 / len(selected)
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。
