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：股票均价站在五日均线之上，9点25分涨幅小于6%。
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，9点25分涨幅小于6%。
该选股策略通过技术面进行选股，通过股票均价站在五日均线之上的条件可以过滤掉暂时表现不佳的标的，并且在股价上涨幅度不过大的情况下剔除不利可投资的标的，让投资的收益更加稳健。
有何风险？
该选股策略存在以下风险：
-
剔除股价上涨幅度过大的标的，可能会错过部分暴涨股票，导致收益降低。
-
仅考虑短时间段的涨跌情况，难以反映股票长期表现，风险较高。
如何优化？
为了减小选股策略的风险，可以采取如下优化策略：
-
剔除股价上涨幅度较大的标的时要谨慎把握，可以增加涨幅限制或将止损指标纳入考虑；
-
既考虑近期表现，也应同时引入长期表现指标进行筛选。
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：股票均价站在五日均线之上，9点25分涨幅小于6%。
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；
- 9点25分涨幅小于6%。
因此，该选股策略通过技术面进行选股，剔除了表现不佳、上涨幅度过大和潜在风险相对较大的标的，有利于发现市场热点和潜在的投资机会，同时也能降低风险。
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)
- 9点25分涨幅：((REF(C,1)/REF(C,245))-1)*100
- 选股条件：C > MA(C,5) AND (((REF(C,1)/REF(C,245))-1)*100) < 6
因此，该选股的最终选股公式为：
GNBK('gnxq') AND (C > MA(C,5)) AND (((REF(C,1)/REF(C,245))-1)*100) < 6
Python代码参考
import pandas as pd
import tushare as ts
import talib
def stock_selector(date, industry):
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_ttm, pb, roe')
data2 = pro.bar(pro_api=pro, ts_code='', start_date=date, end_date=date, freq='1min', adj='qfq')
data2['MA5'] = talib.MA(data2['close'].values, timeperiod=5)
data2['RATIO'] = ((data2['close'].shift(1) / data2['close'].loc[1]) - 1) * 100
data1['circ_mv'] = data1['circ_mv'] / 100000000
data_select = data1[(data1['circ_mv'] > 100) & (data1['industry']==industry)]
data_merge = pd.merge(data_select, data2, on='ts_code')
data_final = data_merge[(data_merge['close'] > data_merge['MA5']) & (data_merge['RATIO'] < 6)]
return data_final[['ts_code', 'close', 'vol']]
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。
