(supermind量化投资)task13/a/元宇宙、昨日股价大于250日均线、酷特智能

用户头像神盾局量子研究部
2023-08-30 发布

问财量化选股策略逻辑

该选股策略包括三个条件:元宇宙、昨日股价大于250日均线、酷特智能早晨之星。通过筛选出符合条件的股票进行投资。

选股逻辑分析

该选股策略主要通过以下三个条件进行选股:

  1. 元宇宙:选择热门板块中的个股。
  2. 昨日股价大于250日均线:判断个股目前的价格是否较稳定且接近长期均线。
  3. 酷特智能早晨之星:判断个股当前的技术指标是否显示出买入的信号。

综合以上三个条件,选择符合要求的个股进行投资。

有何风险?

  1. 技术指标的处理可能存在一定的主观性与局限性,可能无法完全准确地识别出符合投资的股票。
  2. 过度依赖历史价格数据,未能及时反映股票的最新变化,对投资收益造成影响。

如何优化?

  1. 不仅考虑股票当前的价格波动,还应关注其他财务和业绩指标的变化趋势,以更加全面、准确地评估股票风险。
  2. 增加其他技术指标的考核,以确保选出的股票价值稳定,风险较小。
  3. 科学制定投资策略和风控方案,及时调整和优化。

最终的选股逻辑

该选股策略选择元宇宙板块中,股票均价站在250日均线之上,且出现酷特智能早晨之星的股票进行投资。

同花顺指标公式代码参考

元宇宙:GNBK("gnxq")

昨日股价大于250日均线:C >= MA(250)

酷特智能早晨之星:REF(O, 2) > REF(C, 2) AND O < C AND C < REF(C, 1) AND
(C - O) / (H - L) > 0.6 AND (C - O) / (H - L) < 0.95 AND
(C - L) / 0.001 / V > 80

Python代码参考

import pandas as pd
import tushare as ts

def stock_selector():
    ts.set_token('your_token')
    pro = ts.pro_api()

    # 获取所有元宇宙板块中的个股
    gnxq = pro.index_basic(
        fields='category',
        identifying_code='9650',
        market='SSE'
    )
    gnxq_stocks = gnxq.loc[gnxq['category'] == 'GN023']

    data_selected = pd.DataFrame()
    for code in gnxq_stocks['con_code']:
        df = pro.query('daily', ts_code=code, fields='trade_date, close, high, low, open, vol')
        if len(df) < 3:
            continue
        if df.iloc[-2]['close'] >= df['close'].rolling(250).mean()[249] and \
                sum(df.tail(3)[['open', 'close', 'high', 'low', 'vol']].apply(
                    lambda x: (x[1] < x[0]) & (x[1] > x[3]) & (x[1] < x[2]) & ((x[1]-x[0])/(x[2]-x[3]) > 0.6) &
                              ((x[1]-x[0])/(x[2]-x[3]) < 0.95) & ((x[1]-x[3])/x[4] > 80), axis=1)) >= 1:
            _basic = pro.query(
                'stock_basic',
                ts_code=code,
                fields=['name', 'industry', 'exchange', 'list_date']
            )
            if ('ST' not in _basic['name'].values[0]) and (_basic['exchange'].values[0] != 'SZSE') and \
                    (_basic['list_date'].values[0] <= '20220101'):
                data_selected = data_selected.append(
                    df.tail(1).assign(name=_basic['name'].values[0], industry=_basic['industry'].values[0])
                )

    data_selected = data_selected.sort_values(by=['close'], ascending=False)
    return data_selected[['name', 'industry']]
    ## 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。
    ![94c5cde12014f99e262a302741275d05.png](http://u.thsi.cn/imgsrc/pefile/94c5cde12014f99e262a302741275d05.png)
收益&风险
源码

评论