问财量化选股策略逻辑
该选股策略选择元宇宙行业中，同时满足以下条件的股票进行投资：股票均价站在五日均线之上，近一个月内有过涨停。
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，股票均价站在五日均线之上，近一个月内有过涨停。该条件对股票的市场表现进行了较为严格的筛选，具有一定的选股价值。
有何风险？
该选股策略存在以下风险：
-
忽视了公司的财务状况、市场竞争等诸多因素，可能造成择股不当的情况。
-
忽视了对股票的基本面的分析，仅依据股票价格的涨停情况进行股票选取，容易出现个别股票选择不当的情况。
-
策略依赖于市场的波动，容易受到市场宏观风险因素的影响而导致策略效果不佳。
如何优化？
为了降低选股策略的风险，可以进行以下优化：
-
考虑到该选股策略忽略了公司的财务状况以及市场竞争等诸多因素的影响，应该通过加强基本面分析的方式，提高选股的准确度。
-
在选择股票时，除了考虑股票价格的涨停情况外，还应考虑市场的整体情况以及其他技术指标因素，提高选股的可靠性。
-
该策略适用于市场热点板块和短期上涨行情，若市场处于下行阶段或长时间震荡，应及时调整策略出击时间，并采用风控措施，降低策略风险。
最终的选股逻辑
该选股策略选择元宇宙行业中，同时满足以下条件的股票进行投资：股票均价站在五日均线之上，近一个月内有过涨停。
具体的选股条件为：
- 元宇宙行情为GNXQ；
- 股票均价站在五日均线之上；
- 近一个月内股票曾有过涨停。
通过以上选股策略可以选举出具备较好市场表现且有稳定投资潜力的股票进行投资。
同花顺指标公式代码参考
- 元宇宙行情：GNBK('gnxq')
- 股票均价：AVG(C,5)
- 曾涨停：ZDT/N>=1
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, area, industry, list_date, pe, pb, roe')
data1_select = data1[(data1['industry']==industry) & (data1['tot_mv'] < 50000) & (data1['circ_mv'] < 50000) & (data1['area']!='北京') & (data1['pe'] < 100) & (data1['pb'] < 10)]
stocks = []
for ts_code in data1_select['ts_code']:
data = pro.query('daily', ts_code=ts_code, start_date='20220301', end_date='20220331', fields='ts_code, trade_date, open, high, low, close, vol, limit_up')
mask1 = (data['vol'] != 0)
mask2 = (data['close'].rolling(window=5).mean() > data['close'].shift(1).rolling(window=5).mean())
mask3 = ((data['close']/data['limit_up'].shift(1) - 1) > 0.097)
mask = mask1 & mask2 & mask3
if mask.sum() > 0:
stocks.append([ts_code, data['close'].iloc[-1]])
return pd.DataFrame(stocks, columns=['ts_code', '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。
